2023讯飞开发者大赛图片文本块检测挑战赛方案分享

2023 iFLYTEK DEVELOPER COMPETATION
图片文本块检测挑战赛
A榜：第1 | B榜：第6

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。 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。

数据分析

既包含行检测类型（广告等），又包含段落检测类型（文档等）。

辅助标注工具

思路：构建辅助标注工具，对爬取的300张包含文本的图像进行半自动化标注，用于训练YOLOv8模型。辅助标注工具以DBNet为基础，参考PSENet的边框合并方法（边框合并），通过手动调整阈值在横纵两方向合并检测框。