科大讯飞：图片文本块检测 baseline

• 赛题名称：图片文本块检测挑战赛
• 赛题类型：计算机视觉
• 赛题链接👇：

https://challenge.xfyun.cn/topic/info?type=image-text&ch=vWxQGFU

赛事背景

图片文本块检测是指检测出图片中完整且位置独立的文本块，并输出对应位置的任务，属于图片文档分析（Document Image Analysis，包括文档版面分析、表格检测等）中的任务之一，近年来业界相关的工作有 LayoutParser、LayoutLM、LayoutLM2等。

图片文本块检测具有广泛的应用价值，例如：在生活、工作拍照翻译场景中，如果直接利用行粒度的识别结果做下游的翻译任务，会出现单行信息不完整，导致翻译结果信息缺失。

赛事任务

本赛题提供非受限场景，可使用任何数据资源和模型，在提供的测试集中进行推理，按要求返回数据进行评测，数据格式详见3.1。本赛题提供数据如下：

• 训练集：无
• 验证集：17张图片以及标注文件（用于示例）
• 测试集：200张评测图片

注：验证集、测试集仅中、英两个场景

赛题数据集

标签文件txt格式为：class_name xmin ymin xmax ymax

评价指标

采用F1-Score（IoU = 0.5）作为评估指标。

基础思路

赛题是一个典型的版面识别赛题，因此可以考虑使用paddleocr来完成识别：

!pip3 install "paddleocr>=2.6.0.3"

# 模型预测
import glob
import subprocess
for path in glob.glob('/home/aistudio/图片文本块检测挑战赛公开数据/测试集A/images/*'):
    path = path.replace('(', '\(').replace(')', '\)')
    subprocess.check_output(
        f"paddleocr --image_dir={path} --type=structure --table=false --ocr=false",
        shell=True
    )
    
# 打包结果
!mkdir submit
import json
for path in glob.glob('/home/aistudio/图片文本块检测挑战赛公开数据/测试集A/images/*'):
    tags = open('output/' + path.split('/')[-1][:-4] + '/res_0.txt').readlines()
    tags = [json.loads(x)['bbox'] for x in tags]
    with open('submit/' + path.split('/')[-1][:-4] + '.txt', 'w') as up:
        for tag in tags:
            up.write("blocks " + ' '.join([str(x) for x in tag]) + ' 1.0\n')
            
!\rm submit.zip
!\rm -rf submit/.ipynb_checkpoints/
!zip -r submit.zip submit

代码链接：https://aistudio.baidu.com/projectdetail/6677815?contributionType=1

与 36000+来自竞赛爱好者一起交流~