Datasets para OCR

Dados de OCR manuscrito em espanhol de 1,000 pessoas. Os participantes eram europeus acostumados a escrever em espanhol. As imagens foram capturadas com scanner em ângulo de visão frontal. O conteúdo inclui endereços, nomes de empresas e nomes próprios. Útil para tarefas de OCR manuscrito em espanhol.

Dados OCR de escrita manual em alemão com 1.000 participantes. Os textos foram redigidos por europeus habituados a escrever em alemão. A recolha foi feita com scanner em perspetiva frontal. Os conteúdos incluem moradas, nomes de empresas e nomes próprios. O conjunto pode ser utilizado para tarefas de OCR de escrita manual em alemão.

Dados de OCR manuscrito em italiano de 1,000 pessoas. Escritos por europeus habituados a usar o italiano. Capturados com scanner em ângulo frontal. Os textos incluem endereços, nomes de empresas e nomes próprios. Apropriado para OCR manuscrito em italiano.

5,711 imagens de OCR de escrita manual em coreano. Os suportes dos textos incluem papel A4, papel pautado e papel quadriculado. As imagens foram capturadas com celulares, em ângulo de visão frontal. Os conteúdos abrangem redações em coreano, poesias, ensaios, notícias e histórias. As anotações incluem quadros retangulares por linha de texto e transcrição linha por linha. Este conjunto pode ser usado para tarefas de OCR de escrita manual em coreano.

100 Pessoas - Dados de Caligrafia Japonesa e Coreana, o total de pessoas que entraram nos dados sendo 100 pessoas, com 50 japoneses, 49 coreanos e 1 afgano. Para cada pessoa, o corpus de escrita é diferente. A diversidade dos dados inclui vários dispositivos móveis e diferentes corpos de texto. Este conjunto de dados de caligrafia japonesa e coreana pode ser utilizado para reconhecimento óptico de caracteres (OCR) de caligrafia japonesa e coreana.

Dados de OCR de escrita manual de cartazes em 8 idiomas estrangeiros – 9,574 imagens. Idiomas incluem inglês, espanhol, português, entre outros. Diversidade de coleta abrange diferentes ambientes, suportes de escrita, línguas e ângulos de captura (frontal, de baixo e de cima). A anotação inclui marcação de quadriláteros em nível de linha de texto (ou polígonos) e transcrição do conteúdo. Ideal para tarefas de OCR em escrita manual.

500,000 imagens OCR de idiomas diversos (chinês tradicional, japonês, coreano, indonésio, malaio, tailandês, vietnamita, polonês etc.), capturadas em cenários naturais com vários ângulos. Indicadas para tarefas de OCR multilíngue.

Dados OCR de 5.162 imagens manuscritas em chinês tradicional (Taiwan) por 262 pessoas. As anotações incluem caixas delimitadoras quadriláteras ao nível de linha e transcrição da linha de texto. Este conjunto pode ser usado para tarefas de OCR de escrita tradicional.

Dados de OCR de escrita manual em francês, com participação de 1,000 pessoas. Os participantes são europeus habituados a escrever em francês. Os dados foram digitalizados com scanner, em ângulo frontal (altura dos olhos). O conteúdo inclui endereços, nomes de empresas e nomes próprios. Este conjunto é indicado para tarefas de OCR de escrita manual em francês.