访问官网
Github
文档
论文待办事项
- 提供数据集百度云链接
- 将数据集转换为统一格式（检测和识别）
- ICDAR 2015
- MLT 2019
- COCO-Text v2
- ReCTS
- SROIE
- ArT
- LSVT
- Synth800k
- ICDAR 2017 RCTW
- MTWI 2018
- 百度中文场景文字识别
- MJSynth
- 合成中文字符串数据集（360万中文数据集）
- 英文识别数据大礼包
- 提供读取脚本
下载
下载数据集后，请记得将标注文件中对应的路径修改为您自己的路径
通过百度网盘分享的文件：所有数据集一起压缩... 链接：https://pan.baidu.com/s/1TkTWql2XxqPLDnFmVvHsUA?pwd=4358 提取码：4358 复制这段内容后打开"百度网盘APP"即可获取
数据集
| 数据集 | 主页 | 适用情况 | 数据情况 | 标注形式 | 说明 |
|---|---|---|---|---|---|
| ICDAR2015 | https://rrc.cvc.uab.es/?ch=4 | 检测&识别 | 语言：英文 训练集：1,000 测试集：500 | x1, y1, x2, y2, x3, y3, x4, y4, 文本 | 坐标：x1, y1, x2, y2, x3, y3, x4, y4 文本：框内的文字信息 |
| MLT2019 | https://rrc.cvc.uab.es/?ch=15 | 检测&识别 | 语言：混合 训练集：10,000 测试集：10,000 | x1,y1,x2,y2,x3,y3,x4,y4,语言,文本 | 坐标：x1, y1, x2, y2, x3, y3, x4, y4 语言：文字所属语言 文本：框内的文字信息 |
| COCO-Text_v2 | https://bgshih.github.io/cocotext/ | 检测&识别 | 语言：混合 训练集：43,686 验证集：10,000 测试集：10,000 | json | |
| ReCTS | https://rrc.cvc.uab.es/?ch=12&com=introduction | 检测&识别 | 语言：混合 训练集：20,000 测试集：5,000 | { "chars": [ {"points": [x1,y1,x2,y2,x3,y3,x4,y4], "transcription": "文本1", "ignore":0 }, {"points": [x1,y1,x2,y2,x3,y3,x4,y4], "transcription": "文本2", "ignore":0 }], "lines": [ {"points": [x1,y1,x2,y2,x3,y3,x4,y4], "transcription": "文本3", "ignore":0 }], } | points：x1,y1,x2,y2,x3,y3,x4,y4 chars：字符级别的标注 lines：行级别的标注 transcription：框内的文字信息 ignore：0：不忽略，1：忽略 |
| SROIE | https://rrc.cvc.uab.es/?ch=13 | 检测&识别 | 语言：英文 训练集：699 测试集：400 | x1, y1, x2, y2, x3, y3, x4, y4, 文本 | 坐标：x1, y1, x2, y2, x3, y3, x4, y4 文本：框内的文字信息 |
| ArT（已包含Total-Text和SCUT-CTW1500） | https://rrc.cvc.uab.es/?ch=14 | 检测&识别 | 语言：混合 训练集：5,603 测试集：4,563 | { "gt_1": [ {"points": [[x1, y1], [x2, y2], …, [xn, yn]], "transcription": "文本1", "language": "拉丁文", "illegibility": false }, {"points": [[x1, y1], [x2, y2], …, [xn, yn]], "transcription": "文本2", "language": "中文", "illegibility": false }], } | points：x1,y1,x2,y2,x3,y3,x4,y4…xn,yn transcription：框内的文字信息 language：语言信息 illegibility：是否模糊 |
| LSVT | https://rrc.cvc.uab.es/?ch=16 | 检测&识别 | 语言：混合 全标注 训练集：30,000 测试集：20,000 仅标注文本 400,000 | { "gt_1": [ {"points": [[x1, y1], [x2, y2], …, [xn, yn]], "transcription": "文本1", "illegibility": false }, {"points": [[x1, y1], [x2, y2], …, [xn, yn]], "transcription": "文本2", "illegibility": false }], } | points：x1,y1,x2,y2,x3,y3,x4,y4…xn,yn transcription：框内的文字信息 illegibility：是否模糊 |
| Synth800k | http://www.robots.ox.ac.uk/~vgg/data/scenetext/ | 检测&识别 | 语言：英文 800,000 | imnames: wordBB: charBB: txt: | imnames：文件名称 wordBB：24n，每张图像内的文本框 charBB：24n，每张图像内的字符框 txt：每张图形内的字符串 |
| icdar2017rctw | https://blog.csdn.net/wl1710582732/article/details/89761818 | 检测&识别 | 语言：混合 训练集：8,034 测试集：4,229 | x1,y1,x2,y2,x3,y3,x4,y4,<识别难易程度>,转录文本 | 坐标：x1, y1, x2, y2, x3, y3, x4, y4 转录文本：框内的文字信息 |
| MTWI 2018 | 识别：https://tianchi.aliyun.com/competition/entrance/231684/introduction 检测：https://tianchi.aliyun.com/competition/entrance/231685/introduction | 检测&识别 | 语言：混合 训练集：10,000 测试集：10,000 | x1, y1, x2, y2, x3, y3, x4, y4, 转录文本 | 坐标：x1, y1, x2, y2, x3, y3, x4, y4 转录文本：框内的文字信息 |
| 百度中文场景文字识别 | https://aistudio.baidu.com/aistudio/competition/detail/20 | 识别 | 语言：混合 训练集：未统计 测试集：未统计 | h,w,name,value | h：图片高度 w：图片宽度 name：图片名 value：图片上文字 |
| mjsynth | http://www.robots.ox.ac.uk/~vgg/data/text/ | 识别 | 语言：英文 9,000,000 | - | - |
| Synthetic Chinese String Dataset（360万中文数据集） | 链接：https://pan.baidu.com/s/1jefn4Jh4jHjQdiWoanjKpQ 提取码：spyi | 识别 | 语言：混合 300k | - | - |
| 英文识别数据大礼包（https://github.com/clovaai/deep-text-recognition-benchmark）训练：MJSynth和SynthText 验证：IIIT, SVT, IC03, IC13, IC15, SVTP, CUTE | 链接：https://pan.baidu.com/s/1KSNLv4EY3zFWHpBYlpFCBQ 提取码：rryk | 识别 | 语言：英文 | - | - |
数据生成工具
https://github.com/TianzhongSong/awesome-SynthText
