PopEval：一种兼容词级基准数据集的字符级端到端评估方法
计算机视觉与模式识别
2019-08-30 v1
摘要
OCR 应用最受关注的范围过去多为扫描文档，如今已转向自然场景。尽管时代更迭，现有评估方法仍基于更契合过往关注的旧有准则。本文提出 PopEval，一种面向近期 OCR 关注点的新颖评估方法。通过在不同数据集与 OCR 模型上的结果，对新旧评估算法进行了比较。相较于其他评估方法，所提评估算法比其他现有方法更贴近人类的定性评价。尽管该评估算法以字符级方法设计，对比实验表明 PopEval 在现有以词级标注的基准数据集上同样兼容。所提评估算法不仅适用于当前端到端任务，也为进一步 OCR 研究重新设计评估理念指明了新方向。
引用
@article{arxiv.1908.11060,
title = {PopEval: A Character-Level Approach to End-To-End Evaluation Compatible with Word-Level Benchmark Dataset},
author = {Hong-Seok Lee and Youngmin Yoon and Pil-Hoon Jang and Chankyu Choi},
journal= {arXiv preprint arXiv:1908.11060},
year = {2019}
}
备注
Accepted by ICDAR 2019