1 赛题背景

在数字化时代，文本和表格识别在生活和工作中扮演着越来越重要的角色。从扫描件、图片中的文字提取，到自动化录入数据、分析报表，这些场景都需要高效准确的文本识别和表格识别技术。作为 PaddleOCR 开源项目背后的维护者，飞桨团队一直致力于提升光学字符识别（Optical character recognition，OCR）技术的精度和效率，满足广大开发者和用户的需求。

PaddleOCR 开源项目地址：https://github.com/PaddlePaddle/PaddleOCR

本次大赛是一场 OCR 领域的高难度技术挑战赛，要求参赛团队基于 PaddleOCR 开源项目，研发更高效准确的新模型，不断突破技术瓶颈。

2 赛题介绍

飞桨赛道共计发布两大赛题：OCR 端到端识别任务与通用表格识别任务，参赛者需要任选一项任务，基于共建方提供的评估数据，给出相应的评估指标。同时，参赛者在提交解决方案时，需要保证推理速度与组织方提供的基线相当。以下是赛题详细说明：

2.1 赛题一：OCR 端到端识别任务

参赛者需要解决通用场景的 OCR 端到端识别问题，构建高效准确的 OCR 模型。要求新模型端到端指标 Hmean 超过 62.24%。

基线方案模型下载：检测模型 / 识别模型

精度复现：

python tools/infer/predict_system.py --image_dir="testB" --det_model_dir="./ch_PP-OCRv4_det_infer/" --rec_model_dir="./ch_PP-OCRv4_rec_infer/" --draw_img_save_dir="output"

执行完预测脚本后，结果文件会写入 output/system_results.txt 文件中，在B榜上的精度是62.24%。

速度复现：

python tools/infer/predict_system.py --image_dir="testB" --det_model_dir="./ch_PP-OCRv4_det_infer/" --rec_model_dir="./ch_PP-OCRv4_rec_infer/" --benchmark=True

完成推理后会得到速度指标(CPU：Intel Gold 6148，预测后端使用openvino)，例如：

---------- rec ----------

total time spent(s): 0.3893

---------- det ----------

total time spent(s): 1.9942

B榜上的平均单图速度为76ms

2.2 赛题二：通用表格识别任务

参赛者需要解决表格结构复杂、数据分布不均等问题，提出具有创新性且高效推理的表格识别算法。要求在 PubTabNet 评估集上 ACC 超过 76.31%。
基线方案参考说明文档： PaddleOCR 官方文档模型下载：训练模型 / 推理模型

精度复现：

python tools/eval.py -c configs/table/SLANet.yml -o Global.checkpoints=en_ppstructure_mobile_v2.0_SLANet_train/best_accuracy

完成评估会得到精度指标：

ppocr INFO: acc:0.7631

注意榜单提交格式与原始标签不同，请注意格式转换。

速度复现：

python3.7 table/predict_structure.py \ --table_model_dir=en_ppstructure_mobile_v2.0_SLANet_infer \ --table_char_dict_path=../ppocr/utils/dict/table_structure_dict_ch.txt \ --image_dir={path/of/test/data} \ --output=../output/table

完成推理后会得到速度指标(CPU：Intel® Xeon® Gold 6148 CPU @ 2.40GHz，开启mkldnn，线程数为10)：

Predict time : 766ms

3 赛题数据集

3.1 训练集

共建方提供开源数据作为训练集，为保证比赛公平和结果可复现，使用非主办方提供的数据资源必须确保是公开可用的资源，需要在提交文档中详细声明资源出处或构建过程。

可以使用合成工具生成数据，但必须提交合成方法用于复现效果。

注：参赛团队提供的数据集仅用于本次比赛结果核验。

3.2 OCR 端到端识别任务评估集

以 A/B 榜的形式提供，其中 A 榜评估集提供图片，可便于参赛选手验证模型精度。B 榜用于举办方内测，最终选手的成绩以终榜精度得分和专家评审加权得出。

A榜指标主要关注 F-measure，为召回率和准确率的平均值：

precision = correct_count / (pred_count + eps)

recall = correct_count / (gt_count + eps)

fmeasure = 2.0 * precision * recall / (precision + recall + eps)

3.3 通用表格识别任务评估集

仅可使用 PubTabNet 训练集。

参考地址：https://github.com/ibm-aur-nlp/PubTabNet

使用开源数据 PubTabNet，以 ACC 作为评价指标（模型对每张图像里表格结构的识别准确率，错一个 Token 就算错误），最终选手的成绩以终榜精度得分和专家评审加权得出。

大赛最终解释权归开放原子开源基金会及共建方所有。