DocBank 文档图像增强数据集

DocBank: Document Enhancement Dataset

此数据集用于文档图像增强，具体任务包括以下内容：

• Seal detection & Removal 印章检测 & 移除
• Watermark detection & Removal 水印检测 & 移除
• Document deblurring 文档去模糊
• Document shadow removal 文档去阴影
• Document super-resolution 文档超分
• Document Low-Light Enhancement 文档低光增强

To-Do List

• 释放第一批可用于合成的GT数据（10000张）
• 释放第一批印章数据
• 释放第二批印章数据
• 释放第一批水印数据
• 释放第一批阴影数据
• 释放第一批超分数据
• 释放第一批去模糊数据
• 释放第一批低光数据
• 释放数据合成代码
• 第二批数据的释放

数据集

以下是各任务数据集及链接地址：

GT

以下为干净的文档底图，读者也可根据需要自行处理合成自己的数据。

名称	说明	链接	提取码
doc_img_10000	10000张文档图（第一批，编号10000）	百度网盘	ibxf

Seal

名称	说明	链接	提取码
seal-1-1	10000张，混合数据，与GT10000对应，文件名-(x1, y1, x2, y2)分别表示印章位置左上和右下的坐标	百度网盘	hc6v
Seal-1-2	10000张，混合数据，GT10000对应，文件名-(x1, y1, x2, y2)分别表示印章位置左上和右下的坐标	百度网盘	esc8
Seal-2	20796张，混合数据，印章区域成对数据	百度网盘	7t19
Seal-3	25033张，纯印章图片，无背景信息。GT为自行创建纯白对应shape图片	百度网盘	9qpf
Seal-4	80000张，PNG带有透明通道纯印章，可置于自定义背景上，亦可转成jpg同Seal-3	夸克网盘	C4b8

Watermark

名称	说明	链接	提取码
watermark-1	10000张，与GT10000对应，水印生成来自于Stable Diffusion	百度网盘	ad9w

引用

 @misc{DocBankEnh,
   author       = {Yifan Liu, Jiancheng Huang},
   title        = {DocBank Document Enhancement Dataset},
   year         = {2024},
   url          = {https://github.com/liuyifan6613/DocBank-Document-Enhancement-Dataset},
   note         = {GitHub repository},
 }

备注

文档的GT图片部分来自于互联网收集的公开图片，部分来自于真实数据。其中部分印章的真实数据来源于DocDiff以及ICDAR相关数据。大部分训练集由我们在GT上自己处理得到。本数据集仅用于学术用途，请勿用于其他领域。
有任何疑问可邮件联系yf.liu2@siat.ac.cn，如果本项目对您有帮助，欢迎您给本项目点一个star，感谢！