泥泞之间读数字：一个具有挑战性的摩托车赛车手号码数据集
计算机视觉与模式识别
2023-11-17 v1
摘要
本文介绍了越野摩托车赛车手号码数据集（RnD），一个用于光学字符识别（OCR）研究的全新且具有挑战性的数据集。RnD 包含 2,411 张来自专业摩托车运动摄影师的图片，描绘了越野竞赛中的摩托车赛车手。这些图像展现出多种使 OCR 困难的因素，包括泥污遮挡、运动模糊、非标准字体、眩光、复杂背景等。该数据集包含 5,578 个围绕可见摩托车号码的手动标注边界框，以及转写的数字与字母。我们的实验对领先的 OCR 算法进行了基准测试，结果显示即使在微调后，RnD 上的端到端 F1 分数也仅为 0.527。对不同遮挡类型的性能分析表明，泥污是主要挑战，相较于正常条件大幅降低了准确率。但模型在其他因素包括眩光、模糊、阴影和灰尘上也表现不佳。分析暴露出巨大的改进空间，并凸显了现有模型的失败案例。RnD 代表了一个有价值的新基准，以推动真实世界 OCR 能力方面的创新。作者希望社区能基于该数据集与基线实验取得进展，解决在非受限自然环境中鲁棒识别文本的开放问题。数据集可在 https://github.com/JacobTyo/SwinTextSpotter 获取。
引用
@article{arxiv.2311.09256,
title = {Reading Between the Mud: A Challenging Motorcycle Racer Number Dataset},
author = {Jacob Tyo and Youngseog Chung and Motolani Olarinre and Zachary C. Lipton},
journal= {arXiv preprint arXiv:2311.09256},
year = {2023}
}