awesome-scene-text-detection

该合集是一个关于场景文本检测与识别领域的数据集资源集合，主要收录了水平文本数据集、任意四边形文本数据集、不规则文本数据集和合成数据集等多种类型的文本检测数据集。它整理了多个公开数据集（如ICDAR系列、USTB-SV1K、SVT等），并提供了每个数据集的简要介绍和下载链接，旨在帮助研究人员和开发者快速获取相关数据集资源。

This collection is a dataset resource set focused on the field of scene text detection and recognition, mainly including various types of text detection datasets such as horizontal text datasets, arbitrary quadrilateral text datasets, irregular text datasets, and synthetic datasets. It compiles multiple publicly available datasets (such as the ICDAR series, USTB-SV1K, SVT, etc.), and provides brief introductions and download links for each dataset, aiming to help researchers and developers quickly obtain relevant dataset resources.

原始信息汇总

场景文本检测与识别数据集概览

该页面汇总了场景文本检测与识别领域的最新进展，整理了必须阅读的论文及其配套代码与数据集。以下为主要数据集分类及详情。

一、水平文本数据集

数据集	语言	总图像数	训练/测试	文本实例数	标注级别	下载链接
ICDAR 2003 (IC03)	英文	509	258/251	2266 (训练1110，测试1156)	Word	点击跳转
ICDAR 2011 (IC11)	英文	484	229/255	1564	Char & Word	点击跳转
ICDAR 2013 (IC13)	英文	462	229/233	1944 (训练849，测试1095)	Char & Word	点击跳转

二、任意四边形文本数据集

数据集	语言	总图像数	训练/测试	文本实例数	标注级别	下载链接
USTB-SV1K	英文	1000	500/500	2955	Word	点击跳转
SVT	英文	350	100/250	725	Char & Word	点击跳转
SVT-P	英文	238	仅测试集	639 (裁剪图像)	Word	百度网盘 (密码: vnis)
ICDAR 2015 (IC15)	英文	1500	1000/500	17548	Word	点击跳转
COCO-Text	英文	63686	43686/20000	145859 (裁剪图像)	Word	点击跳转
MSRA-TD500	英文/中文	500	300/200	未明确	Text-Line	点击跳转
MLT 2017	多语言(9种)	18000	7200/10800	未明确	Word	点击跳转
MLT 2019	多语言(10种)	20000	10000/10000	未明确	Word	点击跳转
CTW	中文	32285	25887/6398	1018402 (字符实例)	Char & Word	点击跳转
RCTW-17	英文/中文	12514	11514/1000	未明确	Text-Line	点击跳转
ReCTS	中文	20000	未明确	未明确	Char & Word	点击跳转

三、不规则文本数据集

数据集	语言	总图像数	训练/测试	文本实例数	文本形状	下载链接
CUTE80	英文	80	仅测试集	288 (裁剪图像)	多方向/弯曲	点击跳转
Total-Text	英文	1555	未明确	11459 (裁剪图像)	水平+多方向+弯曲	点击跳转
SCUT-CTW1500	中文/英文	1500	1000/500	10751 (裁剪图像)	弯曲(14顶点多边形标注)	点击跳转
LSVT	中文/英文	450000 (含弱标注30万)	30000(全标注)+400000(弱标注)/20000	未明确	水平+多方向+弯曲	点击跳转
ArTs	未明确	10166	5603/4563	未明确	多种形状	点击跳转

四、合成数据集

数据集	描述	下载链接
Synth80k	80万张图像，约800万个合成单词实例，包含文本字符串、单词级及字符级边界框标注	点击跳转
SynthText	600万个裁剪后的单词图像，采用水平样式标注	点击跳转

搜集汇总

数据集介绍

构建方式

场景文本检测作为计算机视觉领域的重要分支，其研究进展高度依赖于高质量数据集的支撑。该数据集资源库通过系统梳理与整合，构建了一个涵盖多类型场景文本的综合性数据集索引体系。其构建方式遵循分类学原则，将数据集按文本形态划分为水平文本、任意四边形文本、不规则文本及合成文本四大类，并进一步细分为ICDAR系列、SVT、COCO-Text、MSRA-TD500等二十余个经典数据集。每个数据集均详细标注了语言类型、图像数量、文本实例数、标注粒度及文本形状等关键属性，形成了层次分明、结构严谨的数据集知识图谱。

使用方法

研究者可通过该资源库高效定位所需数据集。每个数据集条目均提供了官方下载链接，并附有详细的介绍文本，说明其图像数量、训练/测试划分、文本实例规模及标注方式。资源库还整合了场景文本检测与识别的综述论文、评估指标及OCR服务信息，形成了一站式研究入口。使用者可根据文本形态（水平、四边形、不规则）或语言类型筛选数据集，并参考对比表格中的属性差异，快速确定适合特定研究场景的数据集组合，从而加速实验配置与模型评估过程。

背景与挑战

背景概述

场景文本检测与识别作为计算机视觉领域的重要分支，其研究可追溯至早期文档分析技术，但随着移动设备与互联网图像的爆炸式增长，自然场景中文本的自动提取成为极具应用价值的前沿课题。awesome-scene-text-detection数据集资源库由研究者Charmve于2020年前后创建，旨在系统追踪该领域的最新进展，汇集了涵盖水平文本、任意四边形文本及不规则文本等多种形态的经典与前沿数据集，如ICDAR系列、COCO-Text、Total-Text等，并整合了相关综述、评估指标与开源代码。该资源库通过结构化梳理，为研究者提供了从数据基准到算法实现的完整参考框架，显著推动了场景文本检测与识别领域的标准化与可复现性研究。

当前挑战

场景文本检测面临的核心挑战在于自然环境中文本形态的高度多样性，包括光照变化、遮挡、透视畸变以及多语言混杂等复杂因素。现有数据集虽已覆盖水平、多方向及弯曲文本，但真实场景中的极端情况（如极小字体、低对比度文本）仍缺乏充足标注样本，导致模型泛化能力受限。数据集构建过程中，人工标注成本高昂且对弯曲文本的精确多边形标注存在主观差异，而合成数据虽能扩充规模却难以完全模拟真实噪声与纹理。此外，多尺度文本共存、文字与背景的语义混淆以及实时处理需求，进一步加剧了算法在精度与效率间的权衡难题。

常用场景

经典使用场景

在场景文本检测与识别领域，该数据集集合为研究者提供了丰富的基准测试资源，广泛应用于评估文本检测算法在水平、任意四边形及不规则文本上的性能。经典使用场景包括在ICDAR系列数据集上训练和测试基于深度学习的文本检测模型，如Faster R-CNN、EAST和PSENet等，以验证其在自然场景图像中对多方向、多尺度文本的定位能力。此外，Total-Text和SCUT-CTW1500等不规则文本数据集被专门用于评估算法对弯曲文本的鲁棒性，成为该方向研究的标准测试平台。

解决学术问题

该数据集集合系统性地解决了场景文本检测领域面临的多个核心学术问题，包括文本形状多样性（水平、多方向、弯曲）、语言复杂性（中英文及多语言混合）、标注粒度差异（字符级、单词级、文本行级）以及真实场景中的低分辨率、遮挡和光照变化等挑战。通过提供如CTW和ReCTS等大规模中文数据集，推动了中文场景文本检测的进展；而MLT系列多语言数据集则促进了跨语言文本检测研究。其意义在于为算法公平比较提供了标准化基准，加速了从传统手工特征到深度端到端模型的范式转变，并催生了更鲁棒的通用文本检测框架。

实际应用

在实际应用中，该数据集集合支撑了诸多关键场景的技术落地。在自动驾驶领域，基于IC15和COCO-Text训练的模型被用于实时识别路牌、交通标志和街道名称，提升环境感知能力。在文档数字化与翻译中，SynthText等合成数据集辅助训练出的系统能够从自然场景图像中提取文字信息，支持拍照翻译和OCR服务（如百度AI、腾讯OCR）。此外，工业场景下的产品包装文字检测、医疗影像中的标签识别，以及盲人辅助设备中的文本朗读功能，均依赖于这些数据集所训练的鲁棒检测模型，显著提升了人机交互的智能化和无障碍水平。

数据集最近研究

最新研究方向

场景文本检测与识别领域正朝着多语言、多方向及不规则文本形态的复杂场景迈进。随着深度学习技术的迭代，研究者们不再满足于简单水平文本的识别，转而聚焦于任意四边形、弯曲乃至艺术字体等不规则文本的精准定位与解读。这一趋势在ICDAR系列竞赛（如MLT、LSVT、ArT）和大型数据集（如CTW、RCTW-17）的推动下尤为显著，它们不仅涵盖了中英文等多语言文本，还引入了弱监督、多边形标注等策略，以应对真实世界中光照、遮挡、形变等挑战。近期热点包括利用合成数据（SynthText）增强模型泛化能力，以及通过Total-Text、CTW1500等基准测试驱动弯曲文本检测算法的突破，这些研究为自动驾驶、智能翻译、图像检索等应用奠定了坚实基础，体现了场景文本理解从实验室走向工业落地的关键跨越。