Arabic OCR Project Dataset

kaggle2025-11-02 更新2025-12-06 收录

阿拉伯语OCR

手写文本识别

数据链接：

https://www.kaggle.com/datasets/yousefgomaa43/arabic-ocr-project-dataset 数据链接链接失效反馈

官方服务：

资源简介：

Arabic handwritten paragraph dataset, used for text normalization/generation.

创建时间：

2025-10-25

Nuremberg Letterbooks

历史文档

手写文本识别

Nuremberg Letterbooks数据集由弗里德里希-亚历山大-埃尔朗根-纽伦堡大学创建，包含15世纪初的历史文档，共计1711页，由10位抄写员书写。数据集提供了三种类型的转录：基本转录、外交转录和规范化转录，旨在满足不同研究领域的需求。数据集的创建过程包括文档数字化、手动标注转录和元数据，以及多次校正和验证。该数据集主要应用于历史文档分析和手写文本识别，旨在解决历史文档数字化与人文研究

arXiv2024-11-12 更新340

TRIDIS (Tria Digita Scribunt)

手写文本识别

实体识别

TRIDIS是一个开源的中世纪和早期现代手稿综合语料库，由多个开放许可的子集组成，并包含大量元数据描述。该数据集旨在促进手写文本识别和命名实体识别的联合研究，覆盖了12至17世纪的主要西欧手写体和语言。数据集通过统一的模式组织，并以Apache Parquet格式包装，以确保高效的访问和分析。它包括近200,000行文本和超过200万个标记，跨越不同的机构和时期，为文档资料提供了平衡和具有挑战性的

arXiv2025-03-25 更新220

Recognition results for the Handwritten Text Recognition Test Set: Minutes of the Swiss Federal Council (1848-1903)

手写文本识别

文档分析

This data set reports the results of different handwritten text recognition engines on the test set "Minutes of the Swiss Federal Council (1848-1903)". The test set with correct transcriptions is avai

Mendeley Data2024-03-27 更新120

RIMES 2009

手写文本识别

图像处理

该数据集是一组广泛使用的灰度图像，包含了法语的手写文本，特别适用于邮件书写。它专注于页面级别的多样性，并具有复杂布局，包含了多个文本块类别。该数据集涵盖了多种手写文本，其任务是对手写文本进行识别。

arXiv280

magistermilitum/Tridis

手写文本识别

历史文献研究

这是**TRIDIS**（*Tria Digita Scribunt*）系列手写文本识别模型使用的第一个数据集版本，该模型基于中世纪和早期现代手稿的半外交转录进行训练。数据集包含4000页手稿，适用于研究法律、行政和纪念实践产生的文献手稿，如登记册、封建书籍、宪章、诉讼和会计记录，主要来自中世纪晚期（13世纪及以后）。

Hugging Face2024-12-06 更新150

Arabic OCR Project Dataset

资源简介：

相关数据集