Post-OCR correction是一个包含10亿单词的大型语料库，包含带有不同数量OCR错误的原始文本以及由Pleias创建的多语言后OCR校正输出。所有文本均来自集成到Common Corpus中的收藏，Common Corpus是Pleias之前在HuggingFace上发布的最大的开放预训练语料库。语料库包括法语、英语、德语和意大利语的文化遗产文本，具体分布如下：法语：来自Gallic

Hugging Face2025-07-07 更新480

身份证OCR识别-身份证图片识别-身份证识别-二代居民身份证OCR识别-身份证信息识别

OCR

身份证信息处理

【身份证正面图片识别-身份证双面信息识别-身份证OCR识别-身份证图片文字识别】传入身份证照片，识别照片文字信息并返回，包括姓名、身份证号码、性别、民族、出生年月日、地址、签发机关及有效期。支持正反面识别；格式为 JPG(JPEG)，BMP，PNG，GIF，TIFF（小写也可以）

腾讯云市场250

身份证识别-身份证OCR识别-身份证图片识别

身份识别

OCR

【身份证OCR识别-身份证识别-身份证图像识别-身份证图片识别】传入身份证照片或url地址，支持正反面，OCR识别姓名、身份证号、性别、民族、出生年月日、地址、签发机关及有效期等8个字段，识别准确率超过99.9%。

腾讯云市场570

Nexdata/57645_Images_Vertical_OCR_Data_in_Text_Scenes

OCR

垂直文本识别

该数据集包含57,645张图像，主要用于垂直文本场景的OCR任务。数据集的收集场景包括街景、牌匾、广告牌、海报、装饰、艺术字、杂志封面等。语言分布主要为中文，少数为英文。数据集中包含324,399个垂直边界框和204,154个非垂直边界框，边界框形状包括矩形、多边形和平行四边形。图像数据格式为.jpg，注释文件格式为.json。注释内容包括垂直和非垂直矩形边界框（多边形边界框、平行四边形边界框）的

Hugging Face2024-04-16 更新450

身份证识别/OCR文字识别（识别率高）

资源简介：

相关数据集