Jeux de données OCR

Les scènes d'acquisition des données OCR de 222 289 scènes naturelles en chinois couvrent les scènes intérieures et extérieures. La diversité des données comprend une variété de scènes et plusieurs angles de prise de vue. En termes d'annotation, l'annotation au niveau de la ligne, l'annotation au niveau du mot, l'annotation au niveau du caractère et la transcription du contenu sont effectuées sur les caractères chinois de l'image. Cet ensemble de données OCR de scènes naturelles en chinois peut être utilisé pour les tâches d'OCR de scènes naturelles.

9 497 images de 10 types de formulaires, annotées avec des boîtes de délimitation rectangulaires. Utilisable pour la reconnaissance de formulaires.

Primary School Mathematics Papers, OCR, multiple types of questions (Vertical calculation, Horizontal calculation, Recursive calculation, Fraction, Solving equation, etc.), multiple types of test papers (math workbooks, test papers, competition test questions, etc.), multiple grades

Vietnamese, OCR, document images, Internet images, natural scenes, multiple angles, different light conditions, quadrilateral bounding box annotation, line-level transcription for the texts, column-level transcription for the texts

Ce corpus de 104 320 images OCR en contextes naturels coréen et hindi comprend des scènes telles que des emballages de produits, affiches, billets, panneaux d'information, menus et enseignes de bâtiments. La diversité des données repose sur la variété des environnements, angles de prise de vue et conditions lumineuses. Les langues représentées sont le coréen, l'hindi, ainsi qu'un faible pourcentage d’anglais. Les annotations sont réalisées à deux niveaux : au niveau ligne et colonne, avec des encadrements polygonaux (ou quadrilatères/rectangles), transcription textuelle et étiquetage linguistique. Ce jeu de données est parfaitement adapté aux tâches OCR sur scènes naturelles en coréen et hindi.

Japanese, Korean, Indonesian, Malay, Vietnamese, Thai, French, German, Italian, Portuguese, Russian, Spanish, OCR, natural scenes, multiple photographic angles, line-level quadrilateral bounding box annotation and transcription for the texts

Données d'écriture manuscrite japonaise et coréenne de 100 personnes, un total de 100 personnes ont saisi les données, 50 Japonais, 49 Coréens et 1 Afghan. Le corpus d'écriture est différent pour chaque personne. Cette diversité de données comprend plusieurs appareils de téléphonie téléphone portable et différents corpus. Cet ensemble de données d'écriture manuscrite japonaise et coréenne peut être utilisé pour la reconnaissance OCR des polices d'écriture manuscrite japonaises et coréennes.

Japanese handwriting,OCR, character-level rectangular bounding box annotation, text transcription,calligraphy,scribble,manuscript,Japanese ocr data

Données OCR pour 30 000 images en langues minoritaires d'Asie du Sud-Est : Khmer (Cambodge), Laotien, Birman. Diversité : scènes naturelles, angles de prise de vue. Utilisable pour l'OCR en langues d'Asie du Sud-Est.