105,941张12种语言自然场景OCR数据

105,941张12种语言自然场景OCR数据涵盖12种语言，包括6种亚洲语、6种欧洲语，采集覆盖多种自然场景、多种拍摄角度。在标注方面，标注行级文本的四边形框，行级文本转写。本套数据可用于多国语言OCR任务。

105,941 natural scene OCR data samples covering 12 languages, including 6 Asian languages and 6 European languages. The data was collected across diverse natural scenes and various shooting angles. For annotation, quadrilateral bounding boxes are employed to localize line-level text, and line-level text transcription is also completed. This dataset can be utilized for multilingual OCR tasks.

搜集汇总

背景与挑战

背景概述

该数据集包含105,941张12种语言的自然场景OCR数据，涵盖6种亚洲语言和6种欧洲语言，采集环境多样，包括商店牌匾、路标等多种场景。标注内容包括行级文本的四边形框和转写，检测框和文本转写精度均不低于97%，适用于多国语言OCR任务。