DISGO: Automatic End-to-End Evaluation for Scene Text OCR

要約

このペーパーでは、自然の風景における光学式文字認識 (OCR) の課題について説明します。これは、内容がワイルドでさまざまな画像の背景があるため、文書の OCR よりも困難です。
私たちは、シーンテキスト OCR、エンドツーエンド (e2e) パフォーマンスと個々のシステム コンポーネントのパフォーマンスの両方を評価するための新しい測定値としてワード エラー レート (WER) を一律に使用することを提案します。
特に e2e メトリックについては、削除、挿入、置換、およびグループ化/順序付けエラーを考慮するため、DISGO WER という名前を付けています。
最後に、スーパー ブロックの概念を利用して、e2e OCR 機械翻訳の BLEU スコアを自動的に計算することを提案します。
小規模な SCUT パブリック テスト セットは、モジュール化された OCR システムによる WER パフォーマンスを実証するために使用されます。

要約(オリジナル)

This paper discusses the challenges of optical character recognition (OCR) on natural scenes, which is harder than OCR on documents due to the wild content and various image backgrounds. We propose to uniformly use word error rates (WER) as a new measurement for evaluating scene-text OCR, both end-to-end (e2e) performance and individual system component performances. Particularly for the e2e metric, we name it DISGO WER as it considers Deletion, Insertion, Substitution, and Grouping/Ordering errors. Finally we propose to utilize the concept of super blocks to automatically compute BLEU scores for e2e OCR machine translation. The small SCUT public test set is used to demonstrate WER performance by a modularized OCR system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google