ICDAR 2019比赛及数据集下载-任务-ICDAR2019对带有部分标签的大规模街景文本的强大阅读挑战

ICDAR 2019比赛及数据集下载

https://rrc.cvc.uab.es/?ch=16&com=tasks

任务-ICDAR2019对带有部分标签的大规模街景文本的强大阅读挑战

LSVT数据集将包含450、000张带有文本的图像，这些文本可在街道上自由捕获，例如，店面和地标。其中50,000个具有完整注释，分为i）30,000个训练集，ii）20,000个测试集。作为训练集的一部分，其余400,000张图像均进行了弱注释。

为了评估各个方面的文本阅读性能，我们在此大型街景数据集上引入了两个常见的任务，即文本检测和端到端文本识别。

• 文本检测，目的是将街景图像中的文本本地化为文本行级别，这与所有以前的RRC场景文本检测任务相似。
• 端到端文本点，目的是以端到端的方式定位和识别图像中的所有文本行。

注意

参赛者可以自由使用公开可用的数据集（例如ICDAR2015，RCTW-17，MSRA-TD500，COCO-Text和MLT）或合成图像作为本次比赛的额外训练数据，而不能公开访问的私有数据则不然。允许使用。

基本真理格式

对于数据集中所有带有完整注释的图像，我们按照命名约定创建一个JSON文件，以结构化格式存储地面真相：

    gt_ [image_id]，image_id是指数据集中图像的索引。

在JSON文件中，每个gt_ [image_id]都与一个列表相对应，其中列表中的每一行都与图像中的一个单词相对应，并以以下格式给出其边界框坐标，转录和模糊度标志：

{

    “ gt_1”：[

        {“点”：[[x1，y1]，[x2，y2]，…，[xn，yn]]，“转录”：“ trans1”，“模糊性”：false}，

        {“点”：[[x1，y1]，[x2，y2]，…，[xn，yn]]，“转录”：“ trans2”，“模糊性”：false}]，

    “ gt_2”：[

        {“点”：[[x1，y1]，[x2，y2]，…，[xn，yn]]，“ transcription”：“ trans3”，“难以辨认”：false}]，

    ……

}

其中“点”中的x1，y1，x2，y2，…，xn，yn是多边形边界框的坐标，可以是4、8、12个多边形顶点。设置为“ true”时，“转录”表示每个文本行的文本，“难以辨认”表示“无关”文本区域，这不会影响结果。

 

与完全注释基础事实相似，对于数据集中具有弱注释的图像，我们将所有基础事实存储在单个JSON文件中。在JSON文件中，每个gt_ [image_id]都对应一个词，我们在图像中将其称为“感兴趣的文本”：

{

    “ gt_0”：[{“ transcription”：“ trans1”}]，

    “ gt_1”：[{“ transcription”：“ trans2”}]，

    “ gt_2”：[{“ transcription”：“ trans3”}]，

    ……

}