invoice_ocr/utils/PaddleOCR/doc/doc_ch/vertical_and_multilingual_datasets.md

垂类多语言OCR数据集

这里整理了常用垂类和多语言OCR数据集，持续更新中，欢迎各位小伙伴贡献数据集～

• 中国城市车牌数据集
• 银行信用卡数据集
• 验证码数据集-Captcha
• 多语言数据集

中国城市车牌数据集

• 数据来源：https://github.com/detectRecog/CCPD

• 数据简介: 包含超过25万张中国城市车牌图片及车牌检测、识别信息的标注。包含以下几种不同场景中的车牌图片信息。

  • CCPD-Base: 通用车牌图片
  • CCPD-DB: 车牌区域亮度较亮、较暗或者不均匀
  • CCPD-FN: 车牌离摄像头拍摄位置相对更远或者更近
  • CCPD-Rotate: 车牌包含旋转（水平20~50度，竖直-10~10度）
  • CCPD-Tilt: 车牌包含旋转（水平15~45度，竖直15~45度）
  • CCPD-Blur: 车牌包含由于摄像机镜头抖动导致的模糊情况
  • CCPD-Weather: 车牌在雨天、雪天或者雾天拍摄得到
  • CCPD-Challenge: 至今在车牌检测识别任务中最有挑战性的一些图片
  • CCPD-NP: 没有安装车牌的新车图片。

  

• 下载地址

  • 百度云下载地址(提取码是hm0U): https://pan.baidu.com/s/1i5AOjAbtkwb17Zy-NQGqkw
  • Google drive下载地址：https://drive.google.com/file/d/1rdEsCUcIUaYOVRkx5IMTRNA7PcGMmSgc/view

银行信用卡数据集

• 数据来源: https://www.kesci.com/home/dataset/5954cf1372ead054a5e25870

• 数据简介: 训练数据共提供了三类数据

  • 1.招行样卡数据： 包括卡面图片数据及标注数据，总共618张图片
  • 2.单字符数据： 包括图片及标注数据，总共37张图片。

  • 3.仅包含其他银行卡面，不具有更细致的信息，总共50张图片。

  • demo图片展示如下，标注信息存储在excel表格中，下面的demo图片标注为

    • 前8位卡号：62257583
    • 卡片种类：本行卡
    • 有效期结束：07/41
    • 卡用户拼音：MICHAEL

  

• 下载地址: https://cdn.kesci.com/cmb2017-2.zip

验证码数据集-Captcha

• 数据来源: https://github.com/lepture/captcha

• 数据简介: 这是一个数据合成的工具包，可以根据输入的文本，输出验证码图片，使用该工具包生成几张demo图片如下。

  

• 下载地址: 该数据集是生成得到，无下载地址。

多语言数据集(Multi-lingual scene text detection and recognition)

• 数据来源: https://rrc.cvc.uab.es/?ch=15&com=downloads

• 数据简介: 多语言检测数据集MLT同时包含了语种识别和检测任务。

  • 在检测任务中，训练集包含10000张图片，共有10种语言，每种语言包含1000张训练图片。测试集包含10000张图片。
  • 在识别任务中，训练集包含111998个样本。

• 下载地址: 训练集较大，分2部分下载，需要在网站上注册之后才能下载： https://rrc.cvc.uab.es/?ch=15&com=downloads