500,000张21国自然场景&文档拍照场景&电子场景OCR标注数据

500,000张21国自然场景&文档拍照场景&电子场景OCR标注数据。数据包含21个语种，每个语种数量分布为20,000-25,000张。数据类型包括自然场景、文档拍照场景和电子场景。数据多样性包括多种数据类型、多种拍摄角度、多语种。在标注方面，采用行（列）级四边形或多边形标注、行（列）级内容转写。数据可用于多语种OCR识别任务。

500,000 OCR-annotated images from 21 countries, covering natural scene, document photography, and electronic scene scenarios. The dataset encompasses 21 languages, with the sample count per language ranging from 20,000 to 25,000. The dataset features diversity in multiple data types, shooting angles, and languages. For annotation, row (column)-level quadrilateral or polygon labeling and row (column)-level content transcription are adopted. This dataset can be applied to multilingual OCR recognition tasks.

搜集汇总

背景与挑战

背景概述

该数据集包含50万张图像，覆盖21个语种，涵盖自然场景、文档拍照场景和电子场景三种类型。数据采用行级或列级的四边形/多边形标注，并进行了内容转写，适用于多语种OCR识别任务。