WebText_Dataset

Name: WebText_Dataset
Creator: ModelScope
Published: 2024-05-17T19:11:16+08:00

OpenXLab2026-04-18 收录

自然场景文本

多语言文本检测

数据链接：

https://openxlab.org.cn/datasets/ModelScope/WebText-Dataset 数据链接链接失效反馈

官方服务：

资源简介：

从公开数据集MTWI中随机挑选的1万张切片文本图像，包含中英文网络文本，用于通用文本、自然场景文本等识别模型测试。

提供机构：

ModelScope

创建时间：

2024-05-17

GeoGLUE

地理空间语义

自然语言处理

地理语义理解能力评测基准 GeoGLUE（GeoGraphic Language Understanding Evaluation）是由阿里巴巴达摩院自然语言处理组与高德联合发起提供的数据集，旨在推动地理相关文本处理技术和社区的发展。地理文本即描述地理实体、位置的自然文本，具有表达方式丰富、蕴含空间推理、知识强依赖等特点。此外，地理文本与现实地理世界的关联性也带来了诸多挑战。地理文本信息的自动化处

OpenDataLab2026-07-12 更新2370

rects

自然场景文本

中文招牌识别

我们收集并构建了一个实用且具有挑战性的多方向自然场景文本数据集 (ReCTS)，其中包含 25,000 张图像，其中包含大量招牌。在数据集中，所有文本行和字符都标有位置和字符代码。此外，本次比赛还提出了四个任务：（1）招牌上的端到端识别，（2）招牌上的文本行定位，（3）招牌上的字符识别，（4）招牌上的文本行识别标志牌。我们希望该数据集和任务能够极大地促进中文文本检测和识别的研究。

OpenXLab120

weather_infomation_generation

天气信息生成

文本生成

车载开机天气信息自动播报数据集属于下游data-to-text类任务，可以用于训练天气自动播报或者开机欢迎语模型

OpenDataLab2026-07-12 更新110

JigsawStack/anyword-mlt

多语言文本检测

光学字符识别

该数据集包含图像、图像标题以及针对图像的详细注释。注释中包括了图像是否可读、语言类型、图像中文字的多边形坐标、文字的位置、文字内容、内容的有效性以及识别的得分。数据集分为训练集，共有4168个示例，总大小约为1.039亿字节。

Hugging Face2025-04-28 更新130

D597_Images_English_OCR_Data_in_Natural_Scenes