rdocuments

kaggle2022-01-16 更新2024-03-08 收录

文档图像处理

光学字符识别

数据链接：

https://www.kaggle.com/datasets/vishnunkumar/rdocuments 数据链接链接失效反馈

官方服务：

资源简介：

Scanned docs with skewness and angle of skewness

标注有歪斜度及倾斜角度的扫描文档数据集

创建时间：

2022-01-16

OCR-IDL

光学字符识别

文档智能

OCR-IDL数据集是由计算机视觉中心UAB创建，包含2600万页的工业文档，使用商业OCR引擎进行标注，具有超过20,000美元的估算价值。该数据集涵盖了化学、医学和药物行业的多种文档类型，如信件、报告、电子邮件等，时间跨度长达100年。创建过程中，通过Amazon Textract进行文档的预处理和标注，确保了高质量的文本和布局信息。OCR-IDL旨在推动文档智能领域的研究，特别是在自动文档结

arXiv2022-02-26 更新1540

Arabic-OCR-Dataset

阿拉伯文字识别

光学字符识别

阿拉伯OCR数据集是一个旨在提高阿拉伯语光学字符识别（OCR）能力的全面资源。该数据集包含超过200万张从不同来源提取的标注阿拉伯文字图像，非常适合用于训练和基准测试阿拉伯OCR模型。每个数据条目包括一个包含阿拉伯文字的图像和相应的文本真实值。

Hugging Face2025-03-14 更新671

SSD-DIS dataset

文档图像处理

阴影去除

SSD-DIS dataset designed for the development and performance evaluation of document shadow removal algorithms. It consists of 12,224 groups of shadowed document images, which are composed of three par

DataCite Commons2026-02-03 更新160

ocr_drug

光学字符识别

信息提取

# ocr_drug ## 数据集描述 ocr_drug中的数据都是使用百度飞桨的OCR工具PPOCRLabel工具手工标准提取出来的药物、药品等外包装的文本字符数据集。用来做ocr药品名称提取的实验使用。 ### 数据集简介由333张药品外包装文字图片组成，用于药品名称识别测试。 ### Clone with HTTP ```bash git clone https://www.mode

魔搭社区2026-07-14 更新1120

English OCR Data in Natural Scenes

光学字符识别

自然场景文本

71,535 Images English OCR Data in Natural Scenes

kaggle2023-10-13 更新210