0
| 本文作者： nebula | 2023-10-20 15:44 |
在全球文字識別（OCR）領(lǐng)域頂級盛會ICDAR 2023上，騰訊OCR團隊基于自研算法，斬獲四項冠軍，這是繼2017年、2019年、2021年以來，連續(xù)四屆參會同時創(chuàng)造佳績，共獲得18項官方認(rèn)證冠軍，展示了騰訊OCR技術(shù)在全球的一流水平。
ICDAR大會是全球文檔圖像分析識別領(lǐng)域公認(rèn)的權(quán)威學(xué)術(shù)會議，每兩年舉辦一次，賽事舉辦至今已經(jīng)吸引了超過100多個國家的近8000支隊伍參與其中。ICDAR競賽因其極高的技術(shù)難度和強大的實用性享譽國內(nèi)外，與賽后非正式刷榜不同，ICDAR官方認(rèn)證的正式競賽采用全新的數(shù)據(jù)集，并且在比賽期間不公布參賽團隊的信息和成績，同時限制了結(jié)果提交時間和次數(shù)，屬于高難度的“盲打”。
今年，騰訊OCR參賽團隊是由騰訊數(shù)據(jù)平臺部、微信技術(shù)架構(gòu)部聯(lián)合組成，重點參加了DSText（稠密小文本視頻文本識別）和SVRD（結(jié)構(gòu)化信息抽?。﹥纱箜椖康谋荣?，取得4項賽道冠軍。
DSText（稠密小文本視頻文本識別）競賽設(shè)置了2個任務(wù)：視頻文本跟蹤、視頻文本端到端識別。由于文字非常密集且非常小，再加上環(huán)境干擾（相機抖動、運動模糊、光照變化等）與后期編輯（多鏡頭切屏、人工背景、游戲界面切換等），從視頻幀中準(zhǔn)確檢測、跟蹤、識別文本對算法魯棒性要求很高，挑戰(zhàn)性極大。部分比賽視頻幀展示如下：
ICDAR-DSText競賽示意幀
在DSText競賽的全部2個任務(wù)中，騰訊OCR團隊均以絕對領(lǐng)先的優(yōu)勢獲得冠軍。
其中，任務(wù)1中，旨在跟蹤視頻中所有文本流，將視頻幀間屬于同一個文本實例的檢測框聚合起來，評價指標(biāo)是MOTA，騰訊以領(lǐng)先第二名12.04%的成績?nèi)〉霉谲姟?/p>
視頻文本跟蹤：冠軍證書
在任務(wù)2中，旨在評估視頻文本識別的端到端性能，任務(wù)要求在每一幀上正確檢測文本，在視頻幀上正確跟蹤，并在序列級別正確識別，評價指標(biāo)是OCR-MOTA，騰訊以領(lǐng)先第二名11.93%的成績?nèi)〉霉谲姟?/p>
視頻文本端到端識別：冠軍證書
SVRD（結(jié)構(gòu)化信息抽取）競賽包含HUST-CELL和BAIDU-FEST兩大賽道共4個任務(wù): 復(fù)雜文檔實體關(guān)系提取(E2E Complex Entity Linking)、復(fù)雜文檔實體語義提取(E2E Complex Entity Labeling)、零樣本結(jié)構(gòu)化信息抽取(E2E Zero-shot Structured Text Extraction)和小樣本結(jié)構(gòu)化信息提取(Few-shot Structured Text Extraction)。由于文檔圖像版式復(fù)雜、結(jié)構(gòu)多樣，自然場景圖像采集不規(guī)范、存在背景復(fù)雜、折損、彎曲、形變等問題，競賽存在較大的挑戰(zhàn)難度。部分比賽圖片展示如下：
ICDAR-SVRD結(jié)構(gòu)化信息抽取大賽樣例
在SVRD競賽中騰訊OCR團隊共獲得了2個冠軍。
其中，任務(wù)2 （E2E Complex Entity Labeling）旨在提取復(fù)雜文檔圖像上的語義實體，如標(biāo)題、機構(gòu)名、日期、金額、數(shù)字、商品名、人名等，騰訊在這個任務(wù)上以較大優(yōu)勢取得了冠軍
E2E Complex Entity Labeling：冠軍證書
任務(wù)4 （E2E Few-shot Structured Text Extraction）賽題需要在提供非常少量訓(xùn)練數(shù)據(jù)的前提下，提取10個不同場景下的圖像的關(guān)鍵信息，如銀行卡、營業(yè)執(zhí)照、出租車發(fā)票、購物小票、交通發(fā)票、定額發(fā)票、論文等場景下的關(guān)鍵信息，騰訊同樣取得了冠軍。
E2E Few-shot Structured Text Extraction：冠軍證書
據(jù)介紹，騰訊OCR團隊是騰訊內(nèi)部致力于研究和開發(fā)OCR技術(shù)的專業(yè)團隊，團隊在技術(shù)上自主研發(fā)了高精準(zhǔn)度、高穩(wěn)定性的文本檢測和識別技術(shù)，在應(yīng)用上，支持了騰訊內(nèi)數(shù)百個業(yè)務(wù)場景，如騰訊廣告、微信、QQ、騰訊云、騰訊視頻、騰訊信息流產(chǎn)品。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
