SVT (Street View Text Dataset)

街景文本 (SVT) 数据集是从谷歌街景中获取的。此数据中的图像文本表现出高可变性，并且通常具有低分辨率。在处理户外街道图像时，我们注意到两个特征。 (1) 图像文本通常来自商业标牌，(2) 商业名称可通过地理商业搜索轻松获得。这些因素使 SVT 集特别适合在野外进行单词识别：给定街景图像，目标是识别来自附近企业的单词。有关数据集的更多详细信息，请参阅我们的论文 Word Spotting in the Wild。有关我们对这些数据的最新基准，请参阅我们的论文，端到端场景文本识别。该数据集只有单词级别的注释（没有字符边界框），应该用于（A）裁剪的词典驱动的单词识别和（B）全图像词典驱动的单词检测和识别。