ML-multi-30k

kaggle2025-09-08 更新2025-09-20 收录

数据链接：

官方服务：

资源简介：

A Synthetic Malayalam OCR dataset with 1-5 words per image

创建时间：

2025-09-08

Quicksign OCRized Text Dataset是一个包含超过400,000个标记文本文件的集合，这些文件通过光学字符识别(OCR)从真实文档中提取。每个文件都与电子邮件、广告或科学出版物等感兴趣的类别相关联。

github2024-04-12 更新250

本数据集主要应用于光学图像识别（OCR）领域的模型训练。数据内容是对于各行业搜集到的开源图片进行专业规范的人工标注，从中标注出文字所在的区域。内容形式多样，包括手写内容、印刷内容、横向排版、竖向排版、图文混排等。

江苏数据交易所120

Optical Character Recognition scanner convert image to its corresponding text, easy to use, high performance, high availability

RapidAPI2025-11-16 更新100

KFUPM手写阿拉伯文本（KHATT）数据库包含阿拉伯手写文本图像及其真实标注，用于阿拉伯手写文本研究。该数据库包含行图像及其真实标注，并用于初步实验，如相关论文所述。

Hugging Face2023-09-12 更新160

该数据集包含了使用DeepSeek-OCR模型对NealCaren/InkBench数据集中的图像进行OCR处理后得到的markdown格式文本。它能够保留LaTeX公式、表格、文档结构、图像定位信息、复杂布局和多语言文本。

Hugging Face2025-10-22 更新110