Synthetic Dataset for Khmer OCR Character Level

kaggle2025-11-20 更新2025-10-25 收录

数据链接：

官方服务：

资源简介：

This dataset is still in development.

本数据集目前仍处于开发阶段。

创建时间：

2025-09-07

该数据集由Stability AI和LAION创建，包含1200万张1024x1024分辨率的图像，这些图像是通过Blender几何节点生成的数字3D纸张上的手写文本。文本具有不同的字体大小、颜色和旋转角度，纸张在随机光照条件下渲染。数据集还包含行级和字符级的注释，注释以JSON文件形式存储。

Hugging Face2023-07-12 更新2080

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

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

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

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

kaggle2025-09-08 更新150