文档图像智能，是指对输入的文档图像进行分析处理，检测并识别出该图像当中的文本信息。由于文字是重要的信息载体，因此准确地检测并识别出图片中的文字具有广阔的应用前景，目前该技术也是人工智能三大成功落地的应用之一，在金融、商业、安防、智能交通、智慧城市、自动化办公等领域具有数千亿的市场。场景文字理解是传统光学字符识别(optical character recognition, OCR)技术在自然场景图像的扩展和延伸，是团队的主要研究方向之一，目前团队已经取得了十分突出的成绩，在OCR领域拥有世界领先的文字检测识别技术，并构建了多个重要的文字检测和识别数据集，如[MSRA-TD 500 Dataset]、[HUST-TR400 Dataset]、[music score recognition datasets]、[RCTW-17 Dataset]、[WordArt Dataset]，在学术界和产业界有重大影响。相关工作数十次发表于TPAMI、TIP、CVPR、ECCV、AAAI等顶级期刊和会议。团队研发的OCR算法被谷歌，高通，DropBox，三星，阿里，腾讯等知名企业使用，其中DBNet被应用于微信文字检测中。目前也与华为、阿里巴巴、百度、好未来、Adobe、依图、唯你网、阿博茨科技等知名企业建立了深度合作。 相关成果 2022
- Liao M, Zou Z, Wan Z, Yao C, Bai X. Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion. IEEE transactions on pattern analysis and machine intelligence (TPAMI), 2022 [pdf] [code]
- Wang H, Liao J, Cheng T, et al. Knowledge Mining with Scene Text for Fine-Grained Recognition. IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2022 [pdf] [code]
- Xie X, Fu L, Zhang Z, Wang Z, Bai X. Toward Understanding WordArt: Corner-Guided Transformer for Scene Text Recognition. European Conference on Computer Vision (ECCV), 2022 [pdf] [code]
- Li B, Yuan Y, Liang D, Liu X, Ji