騰訊再次斬獲ICDAR大賽四項(xiàng)冠軍，總冠軍數(shù)達(dá)18個(gè)

量子位的朋友們 2023-10-20 17:06:30 來源：量子位

在全球文字識(shí)別（OCR）領(lǐng)域頂級(jí)盛會(huì)ICDAR 2023上，騰訊OCR團(tuán)隊(duì)基于自研算法，斬獲四項(xiàng)冠軍，這是繼2017年、2019年、2021年以來，連續(xù)四屆參會(huì)同時(shí)創(chuàng)造佳績，共獲得18項(xiàng)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(huì)是全球文檔圖像分析識(shí)別領(lǐng)域公認(rèn)的權(quán)威學(xué)術(shù)會(huì)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(gè)國家的近8000支隊(duì)伍參與其中。ICDAR競賽因其極高的技術(shù)難度和強(qiáng)大的實(shí)用性享譽(yù)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(tuán)隊(duì)的信息和成績，同時(shí)限制了結(jié)果提交時(shí)間和次數(shù)，屬于高難度的“盲打”。

今年，騰訊OCR參賽團(tuán)隊(duì)是由騰訊數(shù)據(jù)平臺(tái)部、微信技術(shù)架構(gòu)部聯(lián)合組成，重點(diǎn)參加了DSText（稠密小文本視頻文本識(shí)別）和SVRD（結(jié)構(gòu)化信息抽?。﹥纱箜?xiàng)目的比賽，取得4項(xiàng)賽道冠軍。

DSText賽道，騰訊包攬全部兩項(xiàng)冠軍

DSText（稠密小文本視頻文本識(shí)別）競賽設(shè)置了2個(gè)任務(wù)：視頻文本跟蹤、視頻文本端到端識(shí)別。由于文字非常密集且非常小，再加上環(huán)境干擾（相機(jī)抖動(dòng)、運(yùn)動(dòng)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(shí)別文本對(duì)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(gè)任務(wù)中，騰訊OCR團(tuán)隊(duì)均以絕對(duì)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(gè)文本實(shí)例的檢測框聚合起來，評(píng)價(jià)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(píng)估視頻文本識(shí)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(jí)別正確識(shí)別，評(píng)價(jià)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(shí)別：冠軍證書

SVRD賽道，騰訊以絕對(duì)優(yōu)勢獲得兩項(xiàng)冠軍

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(gè)任務(wù): 復(fù)雜文檔實(shí)體關(guān)系提取(E2E Complex Entity Linking)、復(fù)雜文檔實(shí)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(tuán)隊(duì)共獲得了2個(gè)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(shí)體，如標(biāo)題、機(jī)構(gòu)名、日期、金額、數(shù)字、商品名、人名等，騰訊在這個(gè)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(gè)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(tuán)隊(duì)是騰訊內(nèi)部致力于研究和開發(fā)OCR技術(shù)的專業(yè)團(tuán)隊(duì)，團(tuán)隊(duì)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(shí)別技術(shù)，在應(yīng)用上，支持了騰訊內(nèi)數(shù)百個(gè)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。