本文有腾讯AI研究院撰写,没有阐述什么创新的算法,最大的贡献在与构建了一个目前比较大的中文街景数据集,填补了在中文街景字符识别与检测方面的空白。该数据集有32285个图像,包含1018402个中文字符,分为3850个不同的汉字,有大、中、小三个尺寸,每个字符由bouding box和六个属性进行标注(planar text, raised text, text in cities, text in rural areas, text under poor illumination, distant text, partially occluded text)。
文章最后使用Tensorflow,运用经典网络模型AlexNet,OverFeat, Google Inception,50 layer ResNet,152 layer ResNet对字符集进行训练和文字识别检测,其中Google Inception效果最好,达到90%的准确率。
作者将数据集和代码在gitHub上开源,网址:https://ctwdataset.github.io/,有空下载下来玩玩,嘿嘿。