看板や標識の文字を認識するには？

店の看板や道路標識など、現実の風景の中にあるテキストの認識は、実世界への応用を考えると有用であるものの、挑戦的な課題でもある。

画像からのテキスト認識は光学文字認識（OCR）によって行われるが、OCRは通常、書類のように文字が鮮明な画像を対象としている。しかし、現実の風景画像は、フォントサイズや解像度、照明条件などがまばらであるほか、テキスト以外にも多くの物体を含んでいるため、OCRによるテキスト認識は容易ではない。

現実の風景画像のテキスト認識は、OCRにAIを搭載することによって可能となる。OCRに搭載するAIの機能を強化するには、AIに学習させるための適切なデータセットが必要となるが、言語によってはそうしたデータセットが不足しており、研究の発展を妨げている。

オーストラリアにあるニューサウスウェールズ大学のA. A. CHANDIOら研究者は、現実の風景画像に含まれるウルドゥー語テキストのデータセットが存在しないという課題に着目し、新しいデータセットの作成を試みた。

結果はどうだったのだろうか。風景から文字を切り取って保存することはできるのか？

現実の風景内のウルドゥー語テキストのデータセットを作成

A. A. CHANDIOらの研究のミッション・手法・結果は以下の通りだ。