SoICT Hackathon 2023 - Vietnamese Handwritten Text Recognition

Organized by sangdv - Current server time: July 15, 2024, 6:12 a.m. UTC

First phase

Public Test
Aug. 8, 2023, midnight UTC

End

Competition Ends
Oct. 29, 2023, 1 a.m. UTC

Giới thiệu chung

Chủ đề. Cuộc thi Vietnamese Handwritten Text Recognition tập trung vào giải quyết bài toán "Nhận dạng văn bản chữ viết tay Tiếng Việt ".

Nhiệm vụ. Cuộc thi tập trung duy nhất vào một nhiệm vụ: nhận dạng chữ viết tay tiếng Việt.

Dữ liệu

  • Dữ liệu được cung cấp bởi ban tổ chức gồm 3 tập như sau:
    • Training data: là tập dữ liệu thật có gán nhãn, dùng để huấn luyện mô hình. Tập này gồm 103000 ảnh (Gồm 51000 ảnh form, 48000 ảnh wild và 4000 ảnh GAN).
    • Public test: Là tập dữ liệu không nhãn sử dụng để đánh giá vòng sơ loại. Tập này gồm 33000 ảnh. (Gồm 17000 ảnh form và 16000 ảnh wild)
    • Private test: Là tập dữ liệu không có nhãn. Thông tin chi tiết sẽ công bố tại Vòng chung kết.
  • Đầu vào cho mô hình là các ảnh thô chưa được gán nhãn. Tệp nhãn là các file định dạng .txt. Mỗi dòng của tệp nhãn chứa thông tin là tên ảnh và nhãn của văn bản chứa trong ảnh đó theo khuôn dạng như sau:

                    IMAGE_NAME   GROUND_TRUTH_TEXT 

Tiêu chí đánh giá. Tiêu chí đánh giá là chỉ số CER, đại diện cho phần trăm ký tự trong văn bản của tệp nhãn bị dự đoán không chính xác. CER càng thấp thì mô hình nhận diện càng chính xác (Chi tiết xem tại phần Evaluation).

Trang web chính thức cuộc thi: https://bkai.ai/soict-hackathon-2023/

Tiêu chí đánh giá

Kết quả sẽ được đánh giá dựa trên chỉ số CER (Character Error Rate). CER đại diện cho phần trăm ký tự trong văn bản của tệp grouth truth bị dự đoán không chính xác. CER càng thấp thì mô hình nhận diện càng chính xác.

Trong đó, nhãn được tạo nên với các tiêu chí như sau:

  • Nhãn được tạo trên mức từ đơn của Tiếng Việt
  • Nhãn có phân biệt ký tự hoa và ký tự thường
  • Nhãn gồm tất cả những kí tự chữ cái tiếng Việt và một số kí tự tiếng Anh mà tiếng Việt không có như: “f”,”j”,”w”,”z”.
  • Nhãn không tồn tại kí tự số.
  • Nhãn chỉ tồn tại một kí tự đặc biệt là dấu “–“.

CER được tính theo công thức:

Trong đó:

  • S (substitutions): số kí tự bị cần được thay thế để đưa prediction về groundtruth.
  • D (deletions): Số kí tự cần xoá để đưa prediction về ground truth .
  • I (insertions): Số kị tự cần thêm vào để đưa prediction về ground truth.
  • N: Số lượng kí tự trong từ.

Ví dụ:

Ta có groundtruth là "ncmd" (index tương ứng là 0, 1, 2, 3) và prediction là "anbm" (index tương ứng là 0, 1, 2, 3) Ta cần thực hiện 3 bước để chuyển từ prediction về groundtruth:

  • Bước 1: Xóa kí tự "a" tại vị trí 0 trong prediction, ta thu được kí tự "n" tại vị trí 0 trong groundtruth => D = 1
  • Bước 2: Thay thế kí tự "b" tại vị trí 2 trong prediciton thành "c", ta thu được kí tự "c" tại vị trí 1 trong groundtruth => S = 1
  • Bước 3: Thêm kí tự "d" tại vị trí 4 trong prediction, ta thu được kí tự "d" tại vị trí 3 trong groundtruth => I = 1

Do đó: CER = (1+1+1)/4 = 3/4. Các đội thi có thể tự sử dụng thư viện python-Levenshtein và tìm đọc về thuật toán để hiểu rõ hơn về cách tính S, D, I, từ đó tính ra được CER.

Điểm số cuối cùng sau khi các đội thi nộp kết quả lên hệ thống là:

Trong đó:

  • n là số ảnh trong tập test
  • CERi: là chỉ số CER của ảnh thứ i

Quy định chung

  • Trước hết, các đội thi cần tuân thủ các quy định chung của SoICT Hackathon 2023 được mô tả chi tiết tại https://bkai.ai/soict-hackathon-2023/
  • Quyền hủy bỏ, sửa đổi hoặc loại bỏ tư cách tham dự. Ban tổ chức cuộc thi có toàn quyền quyết định chấm dứt, sửa đổi hoặc đình chỉ cuộc thi.

  • Bằng cách gửi kết quả cho cuộc thi, bạn đồng thuận việc công khai điểm số của mình tại hội thảo của cuộc thi và trong các kỷ yếu liên quan theo quyết định của Ban tổ chức. Điểm số có thể bao gồm nhưng không giới hạn các đánh giá định lượng được tiến hành tự động và thủ công, các đánh giá định tính, và các chỉ số đo mà ban tổ chức đánh giá là phù hợp. Bạn chấp nhận rằng quyết định cuối cùng liên quan đến việc chọn các chỉ số đo và giá trị điểm số nằm ở người ra đề.

  • Với việc tham gia cuộc thi, bạn xác nhận và công nhận rằng bạn đồng ý tuân thủ các luật và quy định hiện hành, đồng thời bạn không được vi phạm bất kỳ bản quyền, sở hữu trí tuệ hoặc bằng sáng chế nào của một bên khác đối với phần mềm mà bạn phát triển trong quá trình diễn ra cuộc thi và sẽ không vi phạm bất kỳ luật và quy định hiện hành nào liên quan đến kiểm soát xuất khẩu, quyền riêng tư và bảo vệ dữ liệu.

  • Giải thưởng được trao dựa trên sự xem xét và xác minh của Ban tổ chức cuộc thi về tính đủ điều kiện của người dự thi và tuân thủ các quy tắc này cũng như tuân thủ các yêu cầu dành cho đội thắng cuộc.

  • Người tham gia trao cho Ban tổ chức cuộc thi quyền sử dụng các bài dự thi của bạn cũng như mã nguồn và dữ liệu được tạo và sử dụng để tạo bài dự thi cho bất kỳ mục đích nào và không cần phê duyệt thêm.

Điều kiện tham dự

  • Mỗi người tham gia phải tạo một tài khoản aihub để gửi giải pháp cho cuộc thi. Mỗi người chỉ được cấp phép duy nhất một tài khoản.

  • Cuộc thi diễn ra công khai, nhưng Ban tổ chức cuộc thi có thể quyết định bác bỏ quyền tham gia theo những cân nhắc riêng.

  • Ban tổ chức cạnh tranh có quyền loại bất kỳ người tham gia nào khỏi cuộc thi nếu, theo quyết định riêng của Ban tổ chức cuộc thi, chúng tôi tin rằng người tham gia đã cố gắng phá hoại hoạt động hợp pháp của cuộc thi thông qua gian lận, lừa dối hoặc các hành vi tham dự không công bằng khác.

Quản lý đội tham gia

  • Những người tham gia được phép thành lập đội. Số lượng người tham gia trong nhóm tối đa là 5 người.

  • Bạn không thể tham gia vào nhiều hơn một đội trong cùng một track. Mỗi thành viên trong nhóm phải là một cá nhân duy nhất sử dụng một tài khoản aihub riêng biệt.

  • Việc hợp nhất nhóm được cho phép và có thể được thực hiện bởi trưởng nhóm. Yêu cầu hợp nhất nhóm sẽ không được phép sau "Thời hạn sáp nhập nhóm".

  • Để hợp nhất, nhóm được kết hợp phải có tổng số lần gửi nhỏ hơn hoặc bằng số lượng tối đa được phép cho một nhóm tính đến ngày hợp nhất. Mức tối đa được phép là số lần gửi mỗi ngày cho mỗi giai đoạn nhân với số ngày cuộc thi đã diễn ra.

  • Ban tổ chức không cung cấp bất kỳ hỗ trợ nào liên quan đến việc hợp nhất đội.

Thể lệ nộp bài

  • Số lần gửi tối đa trong mỗi giai đoạn:

    • Giai đoạn 1 - Khởi động:
      • Public Test: 10 bài / ngày / đội
    • Giai đoạn 2 - Về đích:
      • Private Test: 05 bài / ngày / đội
  • Nội dung bài dự thi sẽ bị vô hiệu nếu toàn bộ hoặc một phần không đọc được, không đầy đủ, bị hư hỏng, bị thay đổi, giả mạo, có được thông qua các phương tiện gian lận hoặc trễ hạn. Ban tổ chức cuộc thi có quyền loại bất kỳ người dự thi nào gửi bài không tuân thủ tất cả các yêu cầu.

Dữ liệu

Bằng cách tải xuống hoặc truy cập dữ liệu do Ban tổ chức cuộc thi cung cấp theo bất kỳ cách nào, bạn đồng ý với các điều khoản sau:

  • Thí sinh KHÔNG được sử dụng dữ liệu khác ngoài tập dữ liệu được cung cấp bởi cuộc thi. Thí sinh có quyền tăng cường dữ liệu và tạo dữ liệu tổng hợp từ tập dữ liệu ban tổ chức cung cấp.
  • Bạn sẽ không phân phối dữ liệu ngoại trừ mục đích phi thương mại và nghiên cứu học thuật.

  • Bạn sẽ không phân phối, sao chép, tái sản xuất, tiết lộ, chuyển nhượng, cấp phép phụ, nhúng, lưu trữ, chuyển nhượng, bán, giao dịch hoặc bán lại bất kỳ phần nào của dữ liệu do Ban tổ chức cuộc thi cung cấp cho bất kỳ bên thứ ba nào vì bất kỳ mục đích nào.

  • Dữ liệu không được sử dụng để giám sát, phân tích hoặc nghiên cứu nhằm cô lập một nhóm cá nhân hoặc bất kỳ cá nhân đơn lẻ nào vì bất kỳ mục đích bất hợp pháp hoặc phân biệt đối xử nào.

  • Bạn hoàn toàn chịu trách nhiệm về việc sử dụng dữ liệu của mình và sẽ bảo vệ và bồi thường cho Ban tổ chức cuộc thi, chống lại bất kỳ và tất cả các khiếu nại phát sinh từ việc bạn sử dụng dữ liệu.

Định dạng của dữ liệu

Kết quả dự đoán của tất cả ảnh đều sẽ được tổng hợp lại thành một file và đặt tên là “prediction.txt” để nộp lên hệ thống. File này phải được nén lại thành file zip (tên file nén là bất kỳ) trước khi nộp lên hệ thống.

File "prediction.txt" có số dòng bằng số ảnh trong tập test. Mỗi dòng trong file "prediction.txt" có khuôn dạng gồm tên ảnh và xâu ký tự thể hiện kết quả nhận dạng của ảnh đó. Tên ảnh và xâu ký tự kết quả nhận dạng ngăn cách nhau bởi một dấu cách.

Ví dụ: img_1.jpg   PREDICTED_RESULT

19/8/2023: Đã cập nhật fix lỗi scoring cho trường hợp nhập file rỗng hoặc file không chứa tên ảnh nào trong tập public test.

14h00 28/10/2023: Cập nhật tập private test (xoá bỏ 176 ảnh mập mờ không rõ ràng). Lưu ý: mỗi ảnh sẽ có output là một từ nên ko có khoảng trống ở giữa. Tải dataset cập nhật tại: https://drive.google.com/drive/folders/1DEVerJFvihcSVKniLHIOhDNfgdxLwyVT?usp=sharing

23h59 28/10/2023: Đã đóng băng scoreboard, các đội có thể xem kết quả bằng cách bấm vào "View scoring error log"

 

Public Test

Start: Aug. 8, 2023, midnight

Private Test

Start: Oct. 28, 2023, 2 a.m.

Competition Ends

Oct. 29, 2023, 1 a.m.

You must be logged in to participate in competitions.

Sign In