Skip to content

Latest commit

 

History

History
79 lines (51 loc) · 3.68 KB

vertical_and_multilingual_datasets.md

File metadata and controls

79 lines (51 loc) · 3.68 KB

垂类多语言OCR数据集

这里整理了常用垂类和多语言OCR数据集,持续更新中,欢迎各位小伙伴贡献数据集~

中国城市车牌数据集

  • 数据来源https://github.com/detectRecog/CCPD

  • 数据简介: 包含超过25万张中国城市车牌图片及车牌检测、识别信息的标注。包含以下几种不同场景中的车牌图片信息。

    • CCPD-Base: 通用车牌图片
    • CCPD-DB: 车牌区域亮度较亮、较暗或者不均匀
    • CCPD-FN: 车牌离摄像头拍摄位置相对更远或者更近
    • CCPD-Rotate: 车牌包含旋转(水平20~50度,竖直-10~10度)
    • CCPD-Tilt: 车牌包含旋转(水平15~45度,竖直15~45度)
    • CCPD-Blur: 车牌包含由于摄像机镜头抖动导致的模糊情况
    • CCPD-Weather: 车牌在雨天、雪天或者雾天拍摄得到
    • CCPD-Challenge: 至今在车牌检测识别任务中最有挑战性的一些图片
    • CCPD-NP: 没有安装车牌的新车图片。

  • 下载地址

银行信用卡数据集

  • 数据来源: https://www.kesci.com/home/dataset/5954cf1372ead054a5e25870

  • 数据简介: 训练数据共提供了三类数据

    • 1.招行样卡数据: 包括卡面图片数据及标注数据,总共618张图片

    • 2.单字符数据: 包括图片及标注数据,总共37张图片。

    • 3.仅包含其他银行卡面,不具有更细致的信息,总共50张图片。

    • demo图片展示如下,标注信息存储在excel表格中,下面的demo图片标注为

      • 前8位卡号:62257583
      • 卡片种类:本行卡
      • 有效期结束:07/41
      • 卡用户拼音:MICHAEL

  • 下载地址: https://cdn.kesci.com/cmb2017-2.zip

验证码数据集-Captcha

  • 数据来源: https://github.com/lepture/captcha

  • 数据简介: 这是一个数据合成的工具包,可以根据输入的文本,输出验证码图片,使用该工具包生成几张demo图片如下。

  • 下载地址: 该数据集是生成得到,无下载地址。

多语言数据集(Multi-lingual scene text detection and recognition)

  • 数据来源: https://rrc.cvc.uab.es/?ch=15&com=downloads

  • 数据简介: 多语言检测数据集MLT同时包含了语种识别和检测任务。

    • 在检测任务中,训练集包含10000张图片,共有10种语言,每种语言包含1000张训练图片。测试集包含10000张图片。
    • 在识别任务中,训练集包含111998个样本。
  • 下载地址: 训练集较大,分2部分下载,需要在网站上注册之后才能下载: https://rrc.cvc.uab.es/?ch=15&com=downloads