# MIDV-2020: A Comprehensive Benchmark Dataset for Identity Document Analysis

**Authors:** Konstantin Bulatov, Ekaterina Emelianova, Daniil Tropin, Natalya Skoryukina, Yulia Chernyshova, Alexander Sheshkus, Sergey Usilin, Zuheng Ming, Jean-Christophe Burie, Muhammad Muzzamil Luqman, Vladimir V. Arlazarov  
**arXiv:** [2107.00396](https://arxiv.org/abs/2107.00396)  
**Date:** 2021-07-01  
**Summary page:** https://www.summarizepaper.com/fr/paper/2107.00396v1/

## Key points

- La reconnaissance de documents d'identité est un sous-domaine important de l'analyse de documents
- Elle traite des tâches telles que la détection robuste de documents, l'identification du type et la reconnaissance des champs textuels
- Elle vise à prévenir la fraude et à valider l'authenticité des documents d'identité donnés par des photos, des scans ou des images vidéo
- Les ensembles de données disponibles manquent souvent de diversité en termes de types et conditions d'enregistrement ainsi que pour la variabilité des valeurs des champs documentaires
- Les auteurs ont développé le jeu MIDV-2020 qui se compose 1000 clips vidéo, 2000 images scannées et 1000 photos provenant chacune d'un faux document unique avec une valeur unique dans chaque champ textuel et un visage artificiel généré spécifiquement pour chaque document
- Le jeu contient également une annotation riche
- Des baselines sont fournies pour les tâches telles que la localisation et l'identification du document, la reconnaissance des champs textuels et la détection faciale
- Avec un total impressionnant 72409 images annotées à ce jour, le jeu proposé est le plus grand ensemble de données sur les documents d'identité disponible publiquement avec des données artificielles générée variablement.
- Les auteurs estiment que cet ensemble de donnée sera inestimable pour l’avancement du domaine de l’analyse et de la reconnaissance des documents.

## Summary

La reconnaissance de documents d'identité est un sous-domaine important de l'analyse de documents qui traite des tâches telles que la détection robuste de documents, l'identification du type et la reconnaissance des champs textuels. De plus, elle vise à prévenir la fraude et à valider l'authenticité des documents d'identité donnés par des photos, des scans ou des images vidéo. Cependant, les ensembles de données disponibles sur les documents d'identité manquent souvent de diversité en termes de types et conditions d'enregistrement ainsi que pour la variabilité des valeurs des champs documentaires. Pour remédier à cela, les auteurs ont développé le jeu MIDV-2020 qui se compose 1000 clips vidéo, 2000 images scannées et 1000 photos provenant chacune d'un faux document unique avec une valeur unique dans chaque champ textuel et un visage artificiel généré spécifiquement pour chaque document. Le jeu contient également une annotation riche. Des baselines sont fournies pour les tâches telles que la localisation et l'identification du document, la reconnaissance des champs textuels et la détection faciale. Avec un total impressionnant 72409 images annotées à ce jour, le jeu proposé est le plus grand ensemble de données sur les documents d'identité disponible publiquement avec des données artificielles générée variablement. Les auteurs estiment que cet ensemble de donnée sera inestimable pour l’avancement du domaine de l’analyse et de la reconnaissance des documents.