当前位置: 首页> 科技

最新国际文本检测权威榜单发布:中国包揽前五云从科技夺冠

发布时间:19-12-31

光学字符识别(Optical Charac▁▂▃▄ter Recognition,以下简称OCR)是指分析图像从而获ω取文字З信息的过程,不少智能手机中的名片扫描软件就有这一功能★。
2018年11月20日,OCR领域的重要指标——国际文档分析与识别大◣会(ICDAR)测试集被再▧次刷新,中国高▲校及企业包揽ICDAR2015排行榜前五,依次为云从科技(P╟ixel-Anchor)、南京大学与南京理工大学(PSENet)、ж旷视⊕科技(Mask Text)、商汤科技(FOTS)、阿里灬巴巴(IncepText)。
国际文档分▋析与识别国际会议 (Inte℅rnational Confer♂e∷nce on Document Analysis and Recognition,ICDAR)是由国际模式识别学会(IAPR)组织的专业会议之一,专注于文本领域的识别与应用。为了提高自然场景的文本检测和识别水平,国际文档☏分析和识别会议(ICDAR)于2003年设立了鲁棒文本阅读竞赛(“Robust Reading Competi︶︷︸tions”)。至今已有来自89个国家的3500多支队伍参与✿。✿。Google、Microsoft、Amaz۩on、Facebook、北京大学、中国科学技术大学、腾讯◈、搜狗等均曾参与其中。
鲁棒文本阅读竞赛的测试数据集一直在网上公开,可以随时提交结果,是自然场景文本检测行业中检验算法的测试数据集。IC۩๑DAR2015和ICDAR2017 MLT就是其中两个测试子集。
澎湃新闻采访了目前位于ICDAR2015榜单第一名的云从科技。云从科技研究院自身算法工程师李源介绍,∈CDAR2015和ICDAR2017 MLT是自然场景文本检测领域的权威数据集,“基本上所有文章都会在上面检测”。

CDAR2015榜单(2018年11月20日)。F值代表精度和检出率的调和平均数,也是排名的根据,F值越大,检测结果越优。
他为记者解读了这份榜单,精度(Precision)代表检测结果中正确文∩本的比例;检出率(∈recall)则反映被检出文本与图片文本总数的比例,能够体现是否漏检了文本。为了检测算法的效果,需要综合考虑精度和检出率,而F值正好代表精度和检出率的调和平均数,也是排名的根据。
需要注意的是,这┝里提到的自然场景文本≮检测并√不等◙同于·。文本★识别,前者不具备识别文∞字的功能,而是指在图片中检测出文本。
李源表示,20←18年11月20日,云从科技在预印本网站arXiv上发表了最新论文成果,该论文提出了用于自然场景文本检测的Pixel-Anc☠hor框架。论文发表之前,他们在国际文档分析与卍识别大会发布的ICDAR2015和ICDAR2017 MLT数据Ⅴ集上检测了Pixel-An→chor算法,并刷新了ICDAR2015的最佳成绩。
据悉,ICDAR2015是纯英文Ⅲ文本检测数据集,ICDAR2017 MLT则包含了拉丁文、英文、中文、韩文、日∧文、阿拉伯文等9种文字。云从的Pixel-Anchor算法在ICDAR2017 MLT综合榜单中排名第四,排名前三的三家国外机构没有提交公开论文。

ICDAR201⿸7 MLT№综合榜单(2018年11月20日)(带*号表示η没有发表公开论文)
除去没有发表公开论文的几家机构,ICDAR2017 MLT数据集前五名及Ↄ框架◤名称分别是云从科技(Pixel-Anchor)、阿里巴巴(◑↔↕▪ATL-c○angjie)、商汤科技(FOTS)、旷视科技(EAST++)、南京大学(PSENet_NJU)。
ICDAR2017 MLT的┎中文榜单中,云从科技排名第一,商汤科技位居第二。

ICDAR2017 MLцT中文榜单(2018年11月20日)

自然场景文本检测案例
但相较于传统的文本检测OCR,自然场景中的各种商品、布景或自然场景图片中的文本检测与识别面临着复杂背景干扰、文字的模糊与退化、不可预测的光照、字体的多样性、垂直文本、倾斜‖文本等挑战。与针对高质量文⺌档图像的传统OCR相比,自然场景文本检测能在更宽泛的领域中应用,例如照片分析、车牌识别,图片广告过滤,场景理解,商⿵品识别,街景定位,票据识别等。

上一篇: 漆谷科技集团王鹏:名士达漆战略升级,打造国际化家具漆巨舰!
下一篇: 航天科技进军车联网