SVT

displayName: SVT (Street View Text Dataset)
labelTypes:
- Text
- Box2d
license:
- Unknown
mediaTypes:
- Image
paperUrl: http://vision.ucsd.edu/~kai/pubs/wang_iccv2011.pdf
publishDate: "2011"
publishUrl: http://www.iapr-tc11.org/mediawiki/index.php/The_Street_View_Text_Dataset
publisher:
- University of California, San Diego
tags:
- Yacht
- Hotel
- Restaurant
- Cinema
taskTypes:
- OCR

---
# 数据集介绍
## 简介
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。
## 引文

```
"@inproceedings{wang2011end,
title={End-to-end scene text recognition},
author={Wang, Kai and Babenko, Boris and Belongie, Serge},
booktitle={2011 International conference on computer vision},
pages={1457--1464},
year={2011},
organization={IEEE}
}"
```

## Download dataset
:modelscope-code[]{type="git"}

显示名称：街景文本数据集（SVT，Street View Text Dataset）
标注类型：文本、二维边界框
许可协议：未知
媒体类型：图像
论文链接：http://vision.ucsd.edu/~kai/pubs/wang_iccv2011.pdf
发布日期：2011年
发布页面链接：http://www.iapr-tc11.org/mediawiki/index.php/The_Street_View_Text_Dataset
发布机构：加利福尼亚大学圣地亚哥分校
标签：游艇、酒店、餐厅、影院
任务类型：光学字符识别（OCR）

---

# 数据集介绍
## 简介
街景文本数据集（SVT，Street View Text Dataset）采集自谷歌街景。该数据集内的图像文本具有高度多样性，且普遍存在分辨率较低的问题。在处理户外街景图像的过程中，我们观察到两大特征：其一，图像文本多源于商业招牌；其二，商业店名可通过地理商业搜索便捷获取。上述特征使得SVT数据集格外适用于自然场景下的单词识别任务：给定一张街景图像，模型需要识别出图像中来自周边商户的文本单词。如需了解该数据集的更多细节，请参阅我们发表的论文《Word Spotting in the Wild》；如需了解我们基于该数据集的最新基准测试结果，请参阅论文《端到端场景文本识别（End-to-end Scene Text Recognition）》。该数据集仅包含单词级标注（未提供字符级边界框），适用于两类任务：（A）基于词典的裁剪图像单词识别，以及（B）基于词典的全图像单词检测与识别。
## 引用信息

"@inproceedings{wang2011end,
title={End-to-end scene text recognition},
author={Wang, Kai and Babenko, Boris and Belongie, Serge},
booktitle={2011 International conference on computer vision},
pages={1457--1464},
year={2011},
organization={IEEE}
}"

## 数据集下载
:modelscope-code[]{type="git"}