Jeux de données OCR

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

Hindi, 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

Ensemble de 57 645 images OCR de textes en disposition verticale, prises dans divers environnements tels que les rues, enseignes, panneaux publicitaires, affiches, décors artistiques ou couvertures de magazines. Les textes sont majoritairement en chinois, avec une minorité en anglais. L’annotation comprend des boîtes de type polygone ou parallélogramme au niveau des colonnes, ainsi que la transcription correspondante. Ce corpus est conçu pour le traitement OCR des textes verticaux complexes.

PPT, OCR, meeting room, conference room,different photographic angles, different photographic distances, different light conditions,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.

5 147 images d'écriture manuscrite japonaise sur papier A4, papier ligné/quadrillé, etc. Capture : Smartphone, hauteur des yeux. Contenu : rédactions, poèmes, prose, informations, histoires, etc. Annotation : Boîte quadrilatère au niveau de la ligne, transcription. Utilisable pour l'OCR d'écriture manuscrite japonaise.

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

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

Ce jeu de données comprend 500 000 images issues de documents ou de scènes naturelles, couvrant 20 langues telles que le chinois traditionnel, le japonais, le coréen, l’indonésien, le malais, le thaï, le vietnamien ou encore le polonais. Grâce à sa diversité linguistique et contextuelle, ce corpus constitue une base robuste pour le développement de systèmes OCR multilingues performants.