COCO-Text: Dataset and Benchmark for Text Detection and Recognition in Natural Images

[soneo1127]

0. 論文

https://arxiv.org/abs/1601.07140

1. どんなもの？

MS COCOという画像データセットを元に、COCO-Textという画像内のテキスト認識のためのデータセットを公開

2. 先行研究と比べてどこがすごい？

・MS COCOは元々テキスト指向で作られたデータセットではないため、COCO-Textはより広い分布の空間的出現を有する

legible と illegible （読めるか）
English (German, French and Spanish も含む )and not English
機械印刷、手書き、それ以外
などのきめ細かいカテゴリの注釈を付けた。
・それまでのデータセットよりもはるかに大規模（14倍以上）

3. 技術や手法のキモはどこ？

予算が限られている場合の、人員へのタスク割り当てを最適化するための戦略を提案。
OCRとクラウドワーカー（Mechanical Terk）の同時使用

4. どうやって有効だと検証した？

アノテーションの質はエキスパートアノテーター（この論文の共著者）が評価
クラウドワーカーのアノテーターは全テキスト領域の57％を検出していた。特に、判読可能なテキストの84％と判読不能なテキストの39％を検出しています。

5. 議論はある？

人間でも画像中の文字認識は難しい。

6. 次に読むべき論文は？

Microsoft COCO: Common Objects in Context
https://arxiv.org/abs/1405.0312