该数据集是一个用于OCR后校正任务的合成数据集，包含超过2,000,000行的法语文本对，采用Croissant格式。数据集通过随机应用多种变换来模拟OCR错误文本，以训练小型语言模型（LLMs）进行文本校正。变换方法包括删除元音、替换多个空格为单个空格、删除单个字母、删除标点符号、随机删除字符、随机打乱单词等。每个单词有60%的概率被选中进行变换，每个文本中30%到60%的单词会被修改。数据集旨

Hugging Face2024-10-28 更新230

lance-format/textvqa-lance

视觉问答

OCR

TextVQA（Lance格式）是TextVQA数据集的Lance格式版本，主要用于视觉问答任务，要求模型能够阅读图像中的文本。数据集包含图像字节、问题、10个参考答案、OCR识别的文本标记以及CLIP图像和问题嵌入。数据集分为训练集（34,602行）和验证集（5,000行）。提供了详细的列描述和预构建的索引，支持跨模态文本→图像搜索。数据集采用CC BY 4.0许可证，由Singh等人（Face

Hugging Face2026-05-08 更新150

身份证件OCR识别-对省赋能

OCR

身份验证

用户在号卡实名制、物联网实名、宽带办理等业务需求时，需要进行身份验证，通过对身份证件信息识别，录入，等能力，来帮助用户，完成一系列相关验证，通过后方可办理业务。优势：通过对用户信息的验证，高效，准确的对用户信息，进行识别，录入信息，也严格保证了用户的信息安全。

海南省数据产品超市2023-12-12 更新260

OCR

文本识别

Introducing our advanced OCR (Optical Character Recognition) service, designed to revolutionize the way you handle text extraction from images and PDFs. Leveraging state-of-the-art technology, our ser

RapidAPI2024-10-27 更新170

Pashto OCR

资源简介：

相关数据集