Este artículo presenta los resultados de la competencia internacional de reconocimiento de secuencias numéricas manuscritas HDSRC 2014 organizada en conjunto con la International Conference on Frontiers of handwriting Recognition ICFHR 2014. El objetivo general de esta competencia es identificar, evaluar y comparar métodos recientes aplicados al reconocimiento de secuencias de dígitos manuscritos de longitud variable. La competencia, además, presenta a la comunidad científica dos nuevos conjuntos de datos de evaluación, caracterizados por representar datos (imágenes) extraídos directamente de la industria, lo que impone un verdadero desafío y atractivo para los investigadores en el área. El artículo describe en detalle la compentencia y cada uno de los conjuntos de datos propuestos. Además, entrega el desempeño comparativo de seis métodos participantes junto con una descripción de las metodologías correspondientes.
Este paper es el resultado de un trabajo conjunto que involucra a investigadores de la Universidad Tecnológica de Viena, la Universidad Federal de Paraná y el Grupo de Investigación en Visión por Computador de Orand.
Este trabajo fue financiado parcialmente por CORFO-Chile a través del Proyecto INNOVA-CORFO No 12IDL2-16293.This paper presents the results of the HDSRC 2014 competition on handwritten digit string recognition in challenging datasets organized in conjunction with the International Conference on Frontiers of Handwriting Recognition ICFHR 2014. The general objective of this competition is to identify, evaluate and compare recent developments in Western Arabic digit string recognition with varying length. In addition, this competition introduces two new challenging datasets for benchmarking. We describe competition details including the datasets and evaluation measures used, and give a comparative performance analysis of six (6) participating methods along with a short description of the respective methodologies.
This paper is the result of a joint work involving researchers from the Vienna University of Technology, the Federal University of Parana, and the Computer Vision Research Group of Orand.
This work was partially funded by CORFO-Chile through the INNOVA-CORFO Project No 12IDL2-16293.