ICDAR 2017 RCTW 中文场景文本检测和识别数据集

简介

ICDAR是进行场景文本检测和识别(Scene Text Detection and Recognition)任务最知名和常用的数据集。ICDAR 2017 RCTW^[1](Reading Chinest Text in the Wild)，由Baoguang Shi等学者提出。RCTW主要是中文，共12263张图像，其中8034作为训练集，4229作为测试集。使用四边形框标注文本行。
数据集绝大多数是相机拍的自然场景，一些是屏幕截图；包含了大多数场景，如室外街道、室内场景、手机截图等等。

数据集下载

• 官网链接：http://rctw.vlrlab.net/dataset/
• 训练集图像和标注(8034,7.6G)：百度网盘下载 | hust.edu.cn下载
• 测试集图像(4229,4.1G)：谷歌网盘下载 | host.edu.cn下载

数据集分布

图像

分辨率

• 图像分辨率大小不等，小则300+，大则3000+
• 图像清晰程度不一，绝大多数背景和文字很清晰，极少数模糊

场景

• 街道场景：主要是建筑、标志牌、条幅等带有文字的图像，这类场景占据大多数
• 截图：主要是网络上带有文字的图像截图、手机上带有文字的图像截图、带文字的表情包图像
• 室内：主要是商场、墙壁等带有文字的图像
• 证件类：主要是车牌照、驾驶证、身份证等带有文字的图像

文本

• 方向(multi-oriented)：图像中的文本方向水平、垂直、倾斜均有，绝大多数是水平方向，弯曲方向极少数
• 大小(multi-scale)：由于图像拍照远近，图像有近距离或远距离的，因此文本大小不等，有较多的长文本
• 质量：少数文本存在模糊、光照不均匀、低分辨率等情况
• 字体：绝大多数字体为楷书，极少数艺术字，几乎没有手写字体
• 遮挡：绝大多数文本没有遮挡，极少数有遮挡

标注

数据集的标注保存在.txt文件中，其中格式如下：

• x1,y1,x2,y2,x3,y3,x4,y4,<识别难易程度>,<"文本">
• x1,y1,x2,y2,x3,y3,x4,y4,<识别难易程度>,<"文本">
• x1,y1,x2,y2,x3,y3,x4,y4,<识别难易程度>,<"文本">
• …

注：x1,y1,x2,y2,x3,y3,x4,y4分别为左上、右上、右下、左下四个坐标，值为像素值。
注：<识别难易程度>以0或1表示，0表示容易识别，即图像中文本清晰可见；1表示很难识别，即图像中文本较小或模糊不清楚。
注：<"文本">中如果有不清楚的字符，以#表示；如果文本完全不清楚，很难识别(对应<识别难易程度>=1)，则以"###"表示。

数据样例

参考

[1] Baoguang Shi, Cong Yao, Minghui Liao, Mingkun Yang, Pei Xu, Linyan Cui, Serge Belongie, Shijian Lu, and Xiang Bai. Icdar2017 competition on reading chinese text in the wild (rctw-17). In Document Analysis and Recognition (ICDAR), 2017 14th IAPR Inter- national Conference on, volume 1, pages 1429–1434. IEEE, 2017.
[2] Long S, He X, Ya C. Scene Text Detection and Recognition: The Deep Learning Era[J]. arXiv preprint arXiv:1811.04256, 2018.