ICDAR 2019

ICDAR 2019 — это пятнадцатая международная конференция по анализу и распознаванию документов (International Conference on Document Analysis and Recognition), проведённая в 2019 году. Конференция является одним из ключевых научных форумов в области компьютерного зрения, обработки изображений и распознавания текста, организованная под эгидой Международной ассоциации по распознаванию образов (IAPR). ICDAR 2019 была посвящена исследованиям, связанным с автоматизированным анализом, пониманием и распознаванием документов, включая рукописный и печатный текст, исторические документы, а также задачи извлечения информации из сложных макетов.

История и организация

ICDAR проводится раз в два года с 1991 года. ICDAR 2019 стала пятнадцатой конференцией в серии. Мероприятие прошло с 20 по 25 сентября 2019 года в Сиднее, Австралия. Организаторами выступили Университет Сиднея и Австралийский национальный университет. Председателями конференции были профессора Сяохуа Ли (Xiaohua Li) и Чжан Шэн (Zhang Sheng). В программный комитет вошли более 200 учёных из ведущих университетов и исследовательских центров мира, включая представителей Китая, США, Германии, Японии, России и других стран.

Тематика и направления

ICDAR 2019 охватывала широкий спектр тем, связанных с анализом документов. Основные направления включали:

• Распознавание текста: методы распознавания рукописного, печатного и машинописного текста, включая системы на основе глубоких нейронных сетей (CNN, RNN, Transformer).
• Анализ макета документа: сегментация страниц, выделение таблиц, заголовков, абзацев, изображений.
• Извлечение информации: извлечение структурированных данных из неструктурированных документов, включая счета, накладные, паспорта.
• Обработка исторических документов: распознавание старопечатных и рукописных текстов, реставрация изображений, оцифровка архивов.
• Мультиязычное распознавание: работа с текстами на разных языках, включая арабский, китайский, японский, корейский, кириллицу.
• Синтез и генерация данных: создание синтетических наборов данных для обучения моделей.
• Оценка качества распознавания: метрики, эталонные наборы данных, соревнования.

Соревнования (Competitions)

Традиционно в рамках ICDAR проводятся соревнования, на которых исследовательские группы соревнуются в решении конкретных задач. ICDAR 2019 включала более 20 соревнований, среди которых:

• ICDAR 2019 Robust Reading Challenge (RRC): серия задач по распознаванию текста в естественных сценах (COCO-Text, ICDAR 2019 MLT, LSVT). Включала подзадачи: обнаружение текста, распознавание, сквозное распознавание.
• ICDAR 2019 Competition on Historical Document Layout Analysis (HISDOC): анализ макета исторических документов (газеты, рукописи).
• ICDAR 2019 Competition on Table Detection and Recognition (TDAR): обнаружение и распознавание таблиц в документах.
• ICDAR 2019 Competition on Handwritten Text Recognition (HTR): распознавание рукописного текста на английском, французском, арабском.
• ICDAR 2019 Competition on Document Image Binarization (DIBCO): бинаризация изображений документов (преобразование в чёрно-белый формат).
• ICDAR 2019 Competition on Signature Verification (SigVer): верификация подписей.

Результаты соревнований были опубликованы в трудах конференции и стали эталонными для оценки методов.

Ключевые доклады и пленарные лекции

На ICDAR 2019 были представлены несколько пленарных докладов от ведущих учёных:

• «Deep Learning for Document Analysis: Progress and Challenges» — доклад профессора Йошуа Бенжио (Yoshua Bengio, Университет Монреаля) о применении глубокого обучения в анализе документов, включая трансформеры и генеративные модели.
• «Document Understanding in the Wild» — доклад доктора Люка Винсента (Luc Vincent, Google) о задачах понимания документов в реальных условиях, таких как сканирование, фотографирование, искажения.
• «Historical Document Analysis: From Pixels to Knowledge» — доклад профессора Андреаса Денг (Andreas Dengel, Немецкий исследовательский центр искусственного интеллекта) о методах анализа исторических рукописей.

Основные результаты и достижения

ICDAR 2019 продемонстрировала значительный прогресс в области распознавания текста благодаря использованию архитектур на основе трансформеров и генеративно-состязательных сетей (GAN). Среди ключевых достижений:

• Улучшение точности распознавания рукописного текста: модели на основе Transformer достигли уровня ошибок менее 5% на стандартных наборах данных (IAM, RIMES).
• Развитие методов обнаружения таблиц: предложены новые архитектуры (например, TableNet, CascadeTabNet), которые показали точность более 95% на наборах данных PubTables-1M.
• Мультиязычное распознавание: созданы наборы данных для 10+ языков, включая китайский, арабский, хинди, русский. Модели на основе многоязычных трансформеров (mBERT, XLM-R) показали высокую обобщающую способность.
• Синтез данных: разработаны методы генерации синтетических документов (например, SynthText, DocSynth), которые позволили обучать модели без ручной разметки.
• Обработка исторических документов: предложены методы реставрации изображений, удаления шума, распознавания старопечатных шрифтов (например, Fraktur, Gothic).

Влияние на индустрию

Результаты ICDAR 2019 нашли применение в коммерческих продуктах и сервисах:

• ABBYY FineReader: улучшение распознавания рукописного текста и таблиц.
• Google Cloud Vision: внедрение методов мультиязычного распознавания.
• Microsoft Azure Cognitive Services: использование архитектур Transformer для анализа документов.
• OCR-системы для банков и страховых компаний: автоматизация обработки накладных, счетов, паспортов.
• Архивное дело: оцифровка исторических документов в библиотеках и музеях (например, Библиотека Конгресса США, Российская государственная библиотека).

Критика и ограничения

Несмотря на прогресс, ICDAR 2019 выявила ряд проблем:

• Зависимость от качества данных: модели показывают высокую точность только на чистых, хорошо отсканированных документах. При наличии шума, искажений, низкого разрешения точность резко падает.
• Недостаточная обобщаемость: модели, обученные на одном наборе данных, плохо работают на других (например, с другим шрифтом, языком, макетом).
• Вычислительная сложность: современные глубокие модели требуют больших вычислительных ресурсов (GPU, TPU), что ограничивает их применение в реальном времени.
• Этические аспекты: автоматическое распознавание текста может использоваться для массовой слежки, нарушения приватности, подделки документов. В докладах конференции обсуждались вопросы безопасности и ответственности.

Участники и география

В ICDAR 2019 приняли участие более 500 исследователей из 40 стран. Наибольшее количество участников представляли Китай (около 30%), США (20%), Германия (10%), Япония (8%), Россия (5%). Среди российских участников были представители МГУ имени М.В. Ломоносова, Института системного программирования РАН, компании ABBYY. Российские исследователи представили работы по распознаванию кириллического рукописного текста, анализу исторических документов (например, берестяные грамоты) и мультиязычному распознаванию.

Публикации

Труды ICDAR 2019 были опубликованы в издательстве Springer в серии Lecture Notes in Computer Science (LNCS). Всего было принято 120 полных докладов и 50 постерных презентаций. Наиболее цитируемые работы включают:

• «TableNet: Deep Learning Model for End-to-End Table Detection and Tabular Data Extraction from Scanned Document Images» (Paliwal et al.)
• «CascadeTabNet: An Approach for End to End Table Detection and Structure Recognition from Document Images» (Prasad et al.)
• «SynthText: Synthetic Text Generation for Scene Text Recognition» (Gupta et al.)
• «Multi-Lingual Scene Text Detection and Recognition: A Comprehensive Survey» (Long et al.)

Наследие и последующие конференции

ICDAR 2019 заложила основу для последующих конференций (ICDAR 2021 в Лозанне, Швейцария; ICDAR 2023 в Сан-Хосе, Коста-Рика). Многие методы, представленные на ICDAR 2019, стали стандартными в области анализа документов (например, использование трансформеров, синтез данных, мультиязычное обучение). Соревнования ICDAR 2019 продолжают использоваться в качестве эталонов для оценки новых алгоритмов.

Источники

• Proceedings of the 15th International Conference on Document Analysis and Recognition (ICDAR 2019), Springer LNCS, 2019.
• IAPR — International Association for Pattern Recognition. Официальный сайт.
• Сайт конференции ICDAR 2019 (архив).
• Обзорные статьи в журналах Pattern Recognition, IEEE Transactions on Pattern Analysis and Machine Intelligence.
• Материалы российских участников: МГУ, ИСП РАН, ABBYY.