腾讯OCR团队斩获ICDAR大赛四项冠军

在全球文字识别（OCR）领域顶级盛会ICDAR 2023上，腾讯OCR团队基于自研算法，斩获四项冠军，这是继2017年、2019年、2021年以来，连续四届参会同时创造佳绩，共获得18项官方认证冠军，展示了腾讯OCR技术在全球的一流水平。

ICDAR大会是全球文档图像分析识别领域公认的权威学术会议，每两年举办一次，赛事举办至今已经吸引了超过100多个国家的近8000支队伍参与其中。ICDAR竞赛因其极高的技术难度和强大的实用性享誉国内外，与赛后非正式刷榜不同，ICDAR官方认证的正式竞赛采用全新的数据集，并且在比赛期间不公布参赛团队的信息和成绩，同时限制了结果提交时间和次数，属于高难度的“盲打”。

今年，腾讯OCR参赛团队是由腾讯数据平台部、微信技术架构部联合组成，重点参加了DSText（稠密小文本视频文本识别）和SVRD（结构化信息抽取）两大项目的比赛，取得4项赛道冠军。

DSText赛道，腾讯包揽全部两项冠军

DSText（稠密小文本视频文本识别）竞赛设置了2个任务：视频文本跟踪、视频文本端到端识别。由于文字非常密集且非常小，再加上环境干扰（相机抖动、运动模糊、光照变化等）与后期编辑（多镜头切屏、人工背景、游戏界面切换等），从视频帧中准确检测、跟踪、识别文本对算法鲁棒性要求很高，挑战性极大。部分比赛视频帧展示如下：

ICDAR-DSText竞赛示意帧

在DSText竞赛的全部2个任务中，腾讯OCR团队均以绝对领先的优势获得冠军。

其中，任务1中，旨在跟踪视频中所有文本流，将视频帧间属于同一个文本实例的检测框聚合起来，评价指标是MOTA，腾讯以领先第二名12.04%的成绩取得冠军。

视频文本跟踪：冠军证书

在任务2中，旨在评估视频文本识别的端到端性能，任务要求在每一帧上正确检测文本，在视频帧上正确跟踪，并在序列级别正确识别，评价指标是OCR-MOTA，腾讯以领先第二名11.93%的成绩取得冠军。

视频文本端到端识别：冠军证书

SVRD赛道，腾讯以绝对优势获得两项冠军

SVRD（结构化信息抽取）竞赛包含HUST-CELL和BAIDU-FEST两大赛道共4个任务： 复杂文档实体关系提取（E2E Complex Entity Linking）、复杂文档实体语义提取（E2E Complex Entity Labeling）、零样本结构化信息抽取（E2E Zero-shot Structured Text Extraction）和小样本结构化信息提取（Few-shot Structured Text Extraction）。由于文档图像版式复杂、结构多样，自然场景图像采集不规范、存在背景复杂、折损、弯曲、形变等问题，竞赛存在较大的挑战难度。部分比赛图片展示如下：

ICDAR-SVRD结构化信息抽取大赛样例

在SVRD竞赛中腾讯OCR团队共获得了2个冠军。

其中，任务2 （E2E Complex Entity Labeling）旨在提取复杂文档图像上的语义实体，如标题、机构名、日期、金额、数字、商品名、人名等，腾讯在这个任务上以较大优势取得了冠军。

E2E Complex Entity Labeling：冠军证书

 

任务4 （E2E Few-shot Structured Text Extraction）赛题需要在提供非常少量训练数据的前提下，提取10个不同场景下的图像的关键信息，如银行卡、营业执照、出租车发票、购物小票、交通发票、定额发票、论文等场景下的关键信息，腾讯同样取得了冠军。

E2E Few-shot Structured Text Extraction：冠军证书

据介绍，腾讯OCR团队是腾讯内部致力于研究和开发OCR技术的专业团队，团队在技术上自主研发了高精准度、高稳定性的文本检测和识别技术，在应用上，支持了腾讯内数百个业务场景，如腾讯广告、微信、QQ、腾讯云、腾讯视频、腾讯信息流产品。