ICDAR 2019比賽及數據集下載
https://rrc.cvc.uab.es/?ch=12&com=tasks
任務-ICDAR 2019在招牌上閱讀中文文本的穩健閱讀挑戰
ReCTS數據集包括25,000張帶標籤的圖像，這些圖像是在不受控制的條件下通過電話攝像機野外採集的。它主要側重於餐廳招牌上的中文文本。
數據集分爲訓練集和測試集。訓練集包含20,000張圖像，測試集包含5,000張圖像。引入了四個任務：（1）字符識別，（2）文本行識別，（3）文本行檢測和（4）端到端文本發現。
數據集中的每個圖像都用文本行位置，字符位置以及文本行和字符的成績單進行註釋。用具有四個頂點的多邊形來標註位置，這些頂點從左上頂點開始按順時針順序排列。成績單是UTF-8編碼的字符串。
外部數據：允許公開免費提供外部數據。在參與方法的最終簡短描述中必須提及任何外部數據的來源。
注意，在評估時，半角字符及其對應的全角字符被視爲一個字符。在這裏，我們在文件/rrc.cvc.uab.es/files/half_width_full_width_dict.zip中給出了半角字符及其對應的全角字符的 列表。同樣，在評估task2和task4時，英文字母也不區分大小寫。
挑戰期間我們不提供任何反饋意見。每個小組最多隻能提交5個結果，我們將從5個結果中選擇最佳結果作爲最終結果。此外，每個參與者必須提供真實姓名和組織。提交團隊信息後，將無法再對其進行修改。
基本真理格式
對於每個圖像，我們使用名爲[img_name] .json的json文件以如下結構化格式存儲地面真相：
{
“字符”：[
{“點”：[x1，y1，x2，y2，x3，y3，x4，y4]，“ transcription”：“ trans1”，“ ignore”：0}，
{“點”：[x1，y1，x2，y2，x3，y3，x4，y4]，“轉錄”：“ trans2”，“忽略”：0}]，
“行”：[
{“點”：[x1，y1，x2，y2，x3，y3，x4，y4]，“ transcription”：“ trans3”，“ ignore“：0}]，
}
其中“點”中的x1，y1，x2，y2，x3，y3，x4，y4是多邊形邊界框的座標，“字符”表示單個字符信息，“線”表示文本行信息。設置爲“ true”時，“轉錄”表示每行文本，“忽略”表示“無關”文本區域。可以下載示例圖像及其對應的真實情況 https://rrc.cvc.uab.es/files/ReCTS_sample_gt.zip
地面真相歧義
在某些招牌中，始終存在以下情況：
很難確定是否將“砂鍋”，“炒麪”，“拌麪”，“燴肉”，“泡饃”框合併到大文本框中。因此，我們將兩種情況（（a）和（b））視爲正確的事實。
如果可能，我們將爲每個測試圖像提供一個或多個基本事實。在評估時，我們將預測結果與所有基本事實進行比較，並使用最匹配的結果來計算評估指標。
任務1.招牌中的字符識別
該任務的目的是從裁剪的字符圖像中識別字符。輸入示例如圖1所示。
圖1.字符圖像
投稿格式
要求參與者提交txt文件，其中包含所有測試圖像的結果。結果格式爲：
img_name，轉錄
例如。test_000001.jpg，炸
評估指標
精度= N_ok / N，其中N_ok是正確預測的字符數，N是測試字符數。
請注意，測試圖像test_ReCTS_task1_000001.jpg在提交txt文件中應重命名爲test_000001.jpg。
任務2.招牌中的文本行識別
還給出了裁剪後的文本行圖像以及圖像中多邊形邊界框的座標。輸入示例如圖2所示。
圖2.文本行圖像
投稿格式
要求參與者提交txt文件，其中包含所有測試圖像的結果。結果格式爲：
img_name，轉錄
例如。test_000001.jpg，炸雞
評估指標
我們使用“規範化編輯距離”作爲文本行識別的評估指標，公式如下：
其中D表示Levenshtein距離，si表示預測的文本行，si-hat表示相應的地面真相。N是文本行的總數。
請注意，在提交txt文件中，應將測試圖像test_ReCTS_task2_000001.jpg重命名爲test_000001.jpg。
任務3.招牌中的文本行檢測
此任務的目的是在招牌中定位文本行。輸入的圖像是完整的招牌圖像。
投稿格式
要求參與者提交txt文件，其中包含所有測試圖像的結果。結果格式爲：
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
如果未檢測到test_0002.jpg的文本框，則僅在文件中寫入test_0002.jpg。這些點應按順時針順序排列。測試圖像test_ReCTS_task3_and_task_4_000001.jpg在提交txt文件中應重命名爲test_000001.jpg。
評估指標
遵循ICDAR 2017-RCTW [2]數據集的評估協議，根據IoU閾值爲0.5和0.7的Precision，Recall和F分數評估檢測任務。
IoU = 0.5時的F分數將用作最終排名的唯一指標。
所有檢測到的或遺漏的“忽略的”事實將不會對評估結果有所幫助。
任務4.招牌中的端到端文本查找
該任務的目的是定位和識別招牌中的每個文本實例。輸入的圖像是完整的招牌圖像。
投稿格式
要求參與者提交txt文件，其中包含所有測試圖像的結果。結果格式爲：
img_name
x1，y1，x2，y2，x3，y3，x4，y4，轉錄
x1，y1，x2，y2，x3，y3，x4，y4，轉錄
img_name
x1，y1，x2，y2，x3，y3，x4，y4，轉錄
x1，y1，x2，y2，x3，y3，x4，y4，轉錄
......
例如。
test_000001.jpg
457,51,699,124,697,206,452,143，所有鍋
test_000002.jpg
test_000003.jpg
75,202,336,249,322,315,59,270，山裏人
490,311,582,311,582,345,490,345，山裏人
如果未檢測到test_0002.jpg的文本框，則僅在文件中寫入test_0002.jpg。這些點應按順時針順序排列。測試圖像test_ReCTS_task3_and_task_4_000001.jpg在提交txt文件中應重命名爲test_000001.jpg。
評估指標
首先，將每個檢測與具有最大IOU的地面真實多邊形匹配，如果IOU不大於0.5，則將其與“ None”匹配。如果多個檢測與同一地面真相匹配，則僅保留最大IOU的檢測，而其他檢測則記錄爲“無”。
然後，我們計算所有匹配對（si，si-hat）之間的編輯距離。我們將使用歸一化編輯距離（NED）評估預測的轉錄，公式爲：
其中D表示Levenshtein距離，si表示預測的文本行，si-hat表示相應的地面真相。N是文本行的總數。
參考
[1] MSRA-500：C。姚X.白，劉W.馬Y，塗Z。在自然圖像中檢測任意方向的文本。CVPR，2012年。
[2] RCTW：史波，姚春，廖明，等。ICDAR2017野外中文閱讀比賽（RCTW-17）[J]。2017。
[3] SCUT-CTW1500：俞良良，連文健，帥濤Z等。關鍵詞：野外檢測曲線文本，新數據集，新解法 2017。
[4] CTW：袁德良，朱志，徐克等。野外中文文本[J]。2018。
下載-ICDAR2019在招牌上閱讀中文文本的穩健閱讀挑戰
https://rrc.cvc.uab.es/?ch=12&com=downloads
ReCTS數據集包括25,000張圖像。它分爲20000張圖像的訓練集和5000張圖像的測試集。
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