--- tags: - ocr - document-processing - falcon-ocr - plain - uv-script - generated --- # Document Processing using Falcon OCR (plain mode) This dataset contains OCR results from images in [davanstri

Hugging Face2026-04-07 更新70

Tamil synthetic OCR benchmarking dataset

光学字符识别

低资源自然语言处理

本研究介绍了一个新型的合成泰米尔OCR基准数据集，该数据集由2437959条记录组成，通过将泰米尔文本从OPUS数据库中的OpenSubtitles v2024版本中提取，并使用六种不同的字体将文本转换为图像。数据集旨在为低资源语言的OCR提供评估和比较的基础，以解决泰米尔等低资源语言在OCR中的挑战。

arXiv2025-07-24 更新170

szili2011/captcha-ocr-dataset

CAPTCHA识别

光学字符识别

这是一个包含约180万张合成字母数字验证码图像的数据集。每张图像都包含一个随机的、大小写敏感的字母和数字序列。该数据集专门用于训练和测试光学字符识别（OCR）模型，特别是具有CTC损失函数的CRNN模型。数据集包含两个主要文件：一个包含所有图像的zip文件和一个CSV文件，该文件将每个图像文件与其正确的文本标签链接。

Hugging Face2025-06-26 更新100

Character Dataset

资源简介：

相关数据集