相关数据集
PleIAs/Post-OCR-Correction
Post-OCR correction是一个包含10亿单词的大型语料库，包含带有不同数量OCR错误的原始文本以及由Pleias创建的多语言后OCR校正输出。所有文本均来自集成到Common Corpus中的收藏，Common Corpus是Pleias之前在HuggingFace上发布的最大的开放预训练语料库。语料库包括法语、英语、德语和意大利语的文化遗产文本，具体分布如下：法语：来自Gallic
Hugging Face2025-07-07 更新480
身份证OCR识别-身份证图片识别-身份证识别-二代居民身份证OCR识别-身份证信息识别
【身份证正面图片识别-身份证双面信息识别-身份证OCR识别-身份证图片文字识别】传入身份证照片，识别照片文字信息并返回，包括姓名、身份证号码、性别、民族、出生年月日、地址、签发机关及有效期。支持正反面识别；格式为 JPG(JPEG)，BMP，PNG，GIF，TIFF（小写也可以）
腾讯云市场250
NealCaren/inkbench-4b-baseline-detailed
该数据集包含[InkBench](https://huggingface.co/datasets/NealCaren/InkBench)数据集的机器生成转录版本。每个示例包括原始图像文件名、文档类型、真实转录文本（来自InkBench）、模型生成的转录文本以及原始数据集的其他元数据字段。数据集不包含原始图像以减少大小，建议与原始InkBench数据集一起使用进行评估。
Hugging Face2025-12-18 更新130
翔云-车架号VIN码、车辆识别代码识别API【图像 图片识别OCR】
自动定位图片中VIN码区域，识别速度快，识别率高。 在线大流量：依托翔云技术支持，提供稳定的大流量在线服务。 识别精度高：业界深度学习技术，充分利用海量标注数据，提供高质量的识别结果。 高度定制化：针对众多具体的OCR应用场景，进行了大量的模型优化。
腾讯云市场360
增值税发票识别-搜象OCR文字识别
对增值税发票进行字段结构化识别；支持图片和PDF指定页识别，二者传参支持URL格式或BASE64字符串格式；支持图像自动分类，支持图像平面任意角度的旋转/倾斜。
腾讯云市场160
