ICDAR 2019比赛及数据集下载--在招牌上阅读中文文本的稳健阅读挑战
ICDAR 2019比赛及数据集下载
https://rrc.cvc.uab.es/?ch=12&com=tasks
任务-ICDAR 2019在招牌上阅读中文文本的稳健阅读挑战
ReCTS数据集包括25,000张带标签的图像，这些图像是在不受控制的条件下通过电话摄像机野外采集的。它主要侧重于餐厅招牌上的中文文本。
数据集分为训练集和测试集。训练集包含20,000张图像，测试集包含5,000张图像。引入了四个任务：（1）字符识别，（2）文本行识别，（3）文本行检测和（4）端到端文本发现。
数据集中的每个图像都用文本行位置，字符位置以及文本行和字符的成绩单进行注释。用具有四个顶点的多边形来标注位置，这些顶点从左上顶点开始按顺时针顺序排列。成绩单是UTF-8编码的字符串。
外部数据：允许公开免费提供外部数据。在参与方法的最终简短描述中必须提及任何外部数据的来源。
注意，在评估时，半角字符及其对应的全角字符被视为一个字符。在这里，我们在文件/rrc.cvc.uab.es/files/half_width_full_width_dict.zip中给出了半角字符及其对应的全角字符的 列表。同样，在评估task2和task4时，英文字母也不区分大小写。
挑战期间我们不提供任何反馈意见。每个小组最多只能提交5个结果，我们将从5个结果中选择最佳结果作为最终结果。此外，每个参与者必须提供真实姓名和组织。提交团队信息后，将无法再对其进行修改。
基本真理格式
对于每个图像，我们使用名为[img_name] .json的json文件以如下结构化格式存储地面真相：
{
“字符”：[
{“点”：[x1，y1，x2，y2，x3，y3，x4，y4]，“ transcription”：“ trans1”，“ ignore”：0}，
{“点”：[x1，y1，x2，y2，x3，y3，x4，y4]，“转录”：“ trans2”，“忽略”：0}]，
“行”：[
{“点”：[x1，y1，x2，y2，x3，y3，x4，y4]，“ transcription”：“ trans3”，“ ignore“：0}]，
}
其中“点”中的x1，y1，x2，y2，x3，y3，x4，y4是多边形边界框的坐标，“字符”表示单个字符信息，“线”表示文本行信息。设置为“ true”时，“转录”表示每行文本，“忽略”表示“无关”文本区域。可以下载示例图像及其对应的真实情况 https://rrc.cvc.uab.es/files/ReCTS_sample_gt.zip
地面真相歧义
在某些招牌中，始终存在以下情况：
很难确定是否将“砂锅”，“炒面”，“拌面”，“烩肉”，“泡馍”框合并到大文本框中。因此，我们将两种情况（（a）和（b））视为正确的事实。
如果可能，我们将为每个测试图像提供一个或多个基本事实。在评估时，我们将预测结果与所有基本事实进行比较，并使用最匹配的结果来计算评估指标。
任务1.招牌中的字符识别
该任务的目的是从裁剪的字符图像中识别字符。输入示例如图1所示。
图1.字符图像
投稿格式
要求参与者提交txt文件，其中包含所有测试图像的结果。结果格式为：
img_name，转录
例如。test_000001.jpg，炸
评估指标
精度= N_ok / N，其中N_ok是正确预测的字符数，N是测试字符数。
请注意，测试图像test_ReCTS_task1_000001.jpg在提交txt文件中应重命名为test_000001.jpg。
任务2.招牌中的文本行识别
还给出了裁剪后的文本行图像以及图像中多边形边界框的坐标。输入示例如图2所示。
图2.文本行图像
投稿格式
要求参与者提交txt文件，其中包含所有测试图像的结果。结果格式为：
img_name，转录
例如。test_000001.jpg，炸鸡
评估指标
我们使用“规范化编辑距离”作为文本行识别的评估指标，公式如下：
其中D表示Levenshtein距离，si表示预测的文本行，si-hat表示相应的地面真相。N是文本行的总数。
请注意，在提交txt文件中，应将测试图像test_ReCTS_task2_000001.jpg重命名为test_000001.jpg。
任务3.招牌中的文本行检测
此任务的目的是在招牌中定位文本行。输入的图像是完整的招牌图像。
投稿格式
要求参与者提交txt文件，其中包含所有测试图像的结果。结果格式为：
img_name
x1，y1，x2，y2，x3，y3，x4，y4
x1，y1，x2，y2，x3，y3，x4，y4
img_name
x1，y1，x2，y2，x3，y3，x4，y4
x1，y1，x2，y2，x3，y3，x4，y4
......
例如。
test_000001.jpg
457,51,699,124,697,206,452,143
test_000002.jpg
test_000003.jpg
75,202,336,249,322,315,59,270
490,311,582,311,582,345,490,345
如果未检测到test_0002.jpg的文本框，则仅在文件中写入test_0002.jpg。这些点应按顺时针顺序排列。测试图像test_ReCTS_task3_and_task_4_000001.jpg在提交txt文件中应重命名为test_000001.jpg。
评估指标
遵循ICDAR 2017-RCTW [2]数据集的评估协议，根据IoU阈值为0.5和0.7的Precision，Recall和F分数评估检测任务。
IoU = 0.5时的F分数将用作最终排名的唯一指标。
所有检测到的或遗漏的“忽略的”事实将不会对评估结果有所帮助。
任务4.招牌中的端到端文本查找
该任务的目的是定位和识别招牌中的每个文本实例。输入的图像是完整的招牌图像。
投稿格式
要求参与者提交txt文件，其中包含所有测试图像的结果。结果格式为：
img_name
x1，y1，x2，y2，x3，y3，x4，y4，转录
x1，y1，x2，y2，x3，y3，x4，y4，转录
img_name
x1，y1，x2，y2，x3，y3，x4，y4，转录
x1，y1，x2，y2，x3，y3，x4，y4，转录
......
例如。
test_000001.jpg
457,51,699,124,697,206,452,143，所有锅
test_000002.jpg
test_000003.jpg
75,202,336,249,322,315,59,270，山里人
490,311,582,311,582,345,490,345，山里人
如果未检测到test_0002.jpg的文本框，则仅在文件中写入test_0002.jpg。这些点应按顺时针顺序排列。测试图像test_ReCTS_task3_and_task_4_000001.jpg在提交txt文件中应重命名为test_000001.jpg。
评估指标
首先，将每个检测与具有最大IOU的地面真实多边形匹配，如果IOU不大于0.5，则将其与“ None”匹配。如果多个检测与同一地面真相匹配，则仅保留最大IOU的检测，而其他检测则记录为“无”。
然后，我们计算所有匹配对（si，si-hat）之间的编辑距离。我们将使用归一化编辑距离（NED）评估预测的转录，公式为：
其中D表示Levenshtein距离，si表示预测的文本行，si-hat表示相应的地面真相。N是文本行的总数。
参考
[1] MSRA-500：C。姚X.白，刘W.马Y，涂Z。在自然图像中检测任意方向的文本。CVPR，2012年。
[2] RCTW：史波，姚春，廖明，等。ICDAR2017野外中文阅读比赛（RCTW-17）[J]。2017。
[3] SCUT-CTW1500：俞良良，连文健，帅涛Z等。关键词：野外检测曲线文本，新数据集，新解法 2017。
[4] CTW：袁德良，朱志，徐克等。野外中文文本[J]。2018。
下载-ICDAR2019在招牌上阅读中文文本的稳健阅读挑战
https://rrc.cvc.uab.es/?ch=12&com=downloads
ReCTS数据集包括25,000张图像。它分为20000张图像的训练集和5000张图像的测试集。
Training Set
Mirror 1: https://link-pan.sankuai.com/plink/QpwtLx8A code: 1HvkY8
Mirror 2: https://drive.google.com/file/d/1orMtLhJt3rQl3pMoLm31eh-SmDG74W1K/view
Mirror 3: Hosted at the RRC
Test Set
1. The first part of the test set :
Mirror 1: https://link-pan.sankuai.com/plink/Qt5_VPhC code: R1kt5N
Mirror 2: https://drive.google.com/open?id=1mKqhPBDM-7BgUud69AYvQ7_BYmHqvFJC
Mirror 3: Hosted at the RRC
2. The second part of the test set:
Mirror 1:https://link-pan.sankuai.com/plink/QrEmyPv3 code: 28tHs0
Mirror 2: https://drive.google.com/file/d/1E8BlG5kh-JRAGOdYmCO75oi7Jy-UHHoW/view