426,687张自然场景&文档拍照场景&电子场景OCR采集数据

426,687张自然场景&文档拍照场景&电子场景OCR采集数据包括繁体中文、日语、韩语、印尼语、马来语、泰语、越南语、波兰语等20种语言。采集多样性包括多种自然场景、多种拍摄角度。本套数据可用于多国语言OCR任务。

数据堂如何保障数据质量与安全

数据规格

数据规模

426,687张

语种分布

繁体中文、日语、韩语、印尼语、马来语、泰语、越南语、法语、德语、意大利语、葡萄牙语、俄语、西班牙语、阿拉伯语、土耳其语、波兰语、荷兰语、希腊语、捷克语、菲律宾语（塔加洛语）

繁体中文、日语、韩语、印尼语、马来语、泰语、越南语、法语、德语、意大利语、葡萄牙语、俄语、西班牙语、阿拉伯语、土耳其语、波兰语、荷兰语、希腊语、捷克语、菲律宾语（塔加洛语）

采集环境

自然场景：标语、海报、警示语、路标、食品包装、广告牌、站牌和招牌等文档拍照场景：打印文档、卡片、票据、书籍报纸等电子场景：电脑截图、手机截图、电子文档

采集多样性

多种数据类型、多种拍摄角度、多语种

采集设备

手机、电脑

拍摄角度

仰视、俯视、平视

数据格式

图片格式为.jpg等通用格式

准确率

按照采集要求，采集准确率不低于95%

样例展示