Identity documents recognition is an important sub-field of document analysis, which deals with tasks of robust document detection, type identification, text fields recognition, as well as identity fraud prevention and document authenticity validation given photos, scans, or video frames of an identity document capture. Significant amount of research has been published on this topic in recent years, however a chief difficulty for such research is scarcity of datasets, due to the subject matter being protected by security requirements. A few datasets of identity documents which are available lack diversity of document types, capturing conditions, or variability of document field values. In addition, the published datasets were typically designed only for a subset of document recognition problems, not for a complex identity document analysis. In this paper, we present a dataset MIDV-2020 which consists of 1000 video clips, 2000 scanned images, and 1000 photos of 1000 unique mock identity documents, each with unique text field values and unique artificially generated faces, with rich annotation. For the presented benchmark dataset baselines are provided for such tasks as document location and identification, text fields recognition, and face detection. With 72409 annotated images in total, to the date of publication the proposed dataset is the largest publicly available identity documents dataset with variable artificially generated data, and we believe that it will prove invaluable for advancement of the field of document analysis and recognition. The dataset is available for download at ftp://smartengines.com/midv-2020 and http://l3i-share.univ-lr.fr .


翻译:身份文件的识别是文件分析的一个重要领域,涉及的文件分析的一个重要领域,涉及的文件检测、类型识别、文本字段识别以及身份欺诈预防和文件真实性验证等任务,涉及身份文件捕获的照片、扫描或视频框架,近年来已就这一专题发表了大量研究,然而,这种研究的主要困难是缺乏数据集,因为主题事项受安全要求保护,因此缺少数据集;一些身份文件数据集缺乏文件类型多样性、记录条件或文件字段值的变异性;此外,公布的数据集通常仅设计为文件识别问题的一部分,而不是复杂的身份文件分析。在本文件中,我们提供了由1000个视频剪辑、2000个扫描图像和1000个独特的模拟身份证件照片组成的数据集MIDV-2020,每个文件都有独特的文本字段价值和独特的人工生成的面貌,并附有丰富的说明;对于文件位置和识别、文本字段识别和面检测等任务提供了基准数据集的基线。在总共72409个附加注释的图像中,直到公布日期为止,我们提供了一份可变的、可变的、可变的、可变的、可变的、可变的、可变的、可变的、可变的、可变的、可变的、可变的、可变的、可变、可变的、可变的、可变的、可变的、可变的、可变的、可变的、可变的、可的、可变、可变的、可变的、可变的、可变的、可变的、可的、可变的、可的、可变、可变、可变、可的、可的、可的、可变、可的、可变、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可的、可

0
下载
关闭预览

相关内容

文档识别主要应用于学习工作等一些关于文档处理的办公领域,可以快速高效利用OCR技术对文案文档、证书、票据、病历、说明书、简历、合同等各类纸质文档进行识别,另外可以通过云端技术将识别后的内容以及图像上传到服务器进行备份储存,并具备方便的检索功能,可以使用户简单方便的找到备份的内容。
专知会员服务
31+阅读 · 2021年6月12日
专知会员服务
60+阅读 · 2020年3月19日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
91+阅读 · 2019年10月16日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
152+阅读 · 2019年10月12日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
金融领域自然语言处理研究资源大列表
专知
13+阅读 · 2020年2月27日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
上百份文字的检测与识别资源,包含数据集、code和paper
数据挖掘入门与实战
17+阅读 · 2017年12月7日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Arxiv
8+阅读 · 2021年3月2日
Arxiv
20+阅读 · 2020年6月8日
Arxiv
5+阅读 · 2018年1月30日
VIP会员
相关资讯
金融领域自然语言处理研究资源大列表
专知
13+阅读 · 2020年2月27日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
上百份文字的检测与识别资源,包含数据集、code和paper
数据挖掘入门与实战
17+阅读 · 2017年12月7日
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
【推荐】GAN架构入门综述(资源汇总)
机器学习研究会
10+阅读 · 2017年9月3日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Top
微信扫码咨询专知VIP会员