└── README.md /README.md: -------------------------------------------------------------------------------- 1 | # 常用公开数据集整理 2 | 3 | Table of Contents 4 | 5 | 1. [Detection](#Detection-&-Recognition) 6 | 1. [Synthetic Datasets](#Synthetic-Datasets) 7 | - [x] [SynthText](#SynthText) 8 | 2. [Real Datasets](#Real-Datasets) 9 | - [x] [Chinese Text in the Wild(CTW)](#Chinese-Text-in-the-Wild) 10 | - [x] [COCO-TEXT](#COCO-TEXT) 11 | - [x] [Google FSNS](#Google-FSNS) 12 | - [x] [ICDAR2015](#ICDAR-2015) 13 | - [x] [ICDAR2019-ArT](#ICDAR2019-ArT) 14 | - [x] [ICDAR2019-MLT](#ICDAR2019-MLT) 15 | - [x] [MSRA-TD500](#MSRA-TD500) 16 | - [x] [SCUT-CTW1500](#SCUT-CTW1500) 17 | - [x] [The Uber Text](#The-Uber-Text-dataset) 18 | - [x] [Total-Text](#Total-Text) 19 | 20 | 2. [Recognition](#Recognition) 21 | 1. [Synthetic Datasets](#Recog-Synthetic-Datasets) 22 | - [x] [Synthetic Datasets](#Synthetic-Datasets) 23 | - [x] [MJSynth](#MJSynth) 24 | 2. [Real Datasets](#Recog-Real-Datasets) 25 | - [x] [CUTE80](#CUTE80) 26 | - [x] [IIIT5k-Words](#IIIT5k-Words) 27 | - [x] [Street View Text(SVT)](#Street-View-Text(SVT)) 28 | - [x] [Street View Text Perspective(SVTP)](#Street-View-Text-Perspective(SVTP)) 29 | - [x] [Synthetic Chinese String](#Synthetic-Chinese-String) 30 | - [x] [The Chars74K dataset](#The-Chars74K-dataset) 31 | 32 | 33 | 34 | ## Detection & Recognition 35 | 36 | ### Synthetic Datasets 37 | 38 | #### SynthText 39 | 40 | 1. **描述**：数据集采用自然图像与文本合成的方式生成，经过一些处理使得文字在图片中相对自然。常用作预训练模型。 41 | 2. **语言**：English 42 | 3. **尺寸**：90k 43 | 4. **标注形式**：每个文本实例均使用文本字符串、字级和字符级边界框进行注释。[标注介绍](https://www.robots.ox.ac.uk/~vgg/data/scenetext/readme.txt) 44 | 5. **下载链接**：http://www.robots.ox.ac.uk/~vgg/data/scenetext/ 45 | 46 | 47 | 48 | ### Real Datasets 49 | 50 | #### Chinese Text in the Wild 51 | 52 | 1. **描述**：图像源于腾讯街景，从中国的几十个不同城市中捕捉得到，不带任何特定目的的偏好。包含了平面文本、凸出文本、城市街景文本、乡镇街景文本、弱照明条件下的文本、远距离文本、部分显示文本等。 53 | 2. **语言**：Chinese 54 | 3. **尺寸**：32k 55 | 4. **标注形式**：对每个中文字符，数据集都标注了其真实字符、边界框和 6 个属性以指出其是否被遮挡、有复杂的背景、被扭曲、3D 凸出、艺术化，和手写体等。 56 | 5. **下载链接**：https://ctwdataset.github.io/ 57 | 58 | 59 | 60 | #### COCO-TEXT 61 | 62 | 1. **描述**：machine-printed vs. handwritten, legible vs. illgible, and English vs. non-English 63 | 2. **语言**：English 64 | 3. **尺寸**：63k 65 | 4. **下载连接**：https://bgshih.github.io/cocotext/#h2-download 66 | 67 | 68 | 69 | #### Google FSNS 70 | 71 | 1. **描述**：从法国谷歌街景图片中街区的街道名称标志图片，每个图像包含同一街道名称标志的四个视图。路标上的文字最多可以跨越三行。每一个路标都有一个规范的抄本。 72 | 2. **语言**：France 73 | 3. **尺寸**：1080k 74 | 4. **标注形式**： 75 | 5. **下载链接**：http://rrc.cvc.uab.es/?ch=6&com=downloads 76 | 77 | 78 | 79 | #### ICDAR 2015 80 | 81 | 1. **描述**：自然场景图像(图像分辨率较低) 82 | 2. **语言**：English 83 | 3. **尺寸**：1.5k, 1k for train, 500 for test. 84 | 4. **标注形式**：x1, y1, x2, y2, x3, y3, x4, y4, 顺时针(word-based) 85 | 5. **下载链接**：https://rrc.cvc.uab.es/?ch=4&com=downloads 86 | 87 | 88 | 89 | #### ICDAR2019-ArT 90 | 91 | 1. **描述**：Arbitrary-Shaped Text，任意形状场景文字 92 | 2. **语言**：mix 93 | 3. **尺寸**：10k 94 | 4. **标注形式**：json格式标签，(segmentation-based) 95 | 5. **下载链接**：http://rrc.cvc.uab.es/?ch=14 96 | 97 | 98 | 99 | #### ICDAR2019-MLT 100 | 101 | 1. **描述**：多种混合语言标注的自然场景图片 102 | 2. **语言**：Arabic、French、Chinese、German、Korean、Japanese、Italian、Bangladesh、Hindi（1000 per） 103 | 3. **尺寸**：10k for train; 10k for text 104 | 4. **标注形式**：x1, y1, x2, y2, x3, y3, x4, y4, 顺时针(character-based) 105 | 5. **下载链接**：https://rrc.cvc.uab.es/?ch=15&com=evaluation&task=1 106 | 107 | 108 | 109 | #### MSRA-TD500 110 | 111 | 1. **描述**：以多方向文本和多语种为主要特征的一组自然场景图像，主要以广告牌为背景。 112 | 2. **语言**： multi-lingual 113 | 3. **尺寸**：total: 500——300 for train, 200 for test 114 | 4. **标注形式**：$(x, y, w, h, \theta)$, $(x, y)$表示水平矩形框时左上角的坐标 115 | 5. **下载链接**：http://www.iapr-tc11.org/dataset/MSRA-TD500/MSRA-TD500.zip 116 | 117 | 118 | 119 | #### SCUT-CTW1500 120 | 121 | 1. **描述**：针对弯曲文本检测的数据集 122 | 2. **语言**：mainly Chinese & English 123 | 3. **尺寸**：1.5k 124 | 4. **标注形式**：每行共32个数字，前四个数字为该弯曲文本在整张图上的矩形框坐标值，剩下的28个值为14个点，为相对于矩形框左上角得误差补偿即为与左上角坐标所形成的差值，形成封闭的弯曲文本框(segmentation-based) 125 | 5. **下载链接**：https://github.com/Yuliang-Liu/Curve-Text-Detector 126 | 127 | 128 | 129 | #### The Uber Text dataset 130 | 131 | 1. **描述**：包含了从车载传感器采集的街道级图像和由图像分析团队注释的Ground Truth。 132 | 2. **语言**：English 133 | 3. **尺寸**：110k 134 | 4. **标注形式**：segmentation-based 135 | 5. **下载链接**：https://s3-us-west-2.amazonaws.com/uber-common-public/ubertext/index.html 136 | 137 | 138 | 139 | #### Total-Text 140 | 141 | 1. **描述**：Total-Text是最大弯曲文本数据集之一-ArT（任意形状文本数据集）训练集中的一部分。同时包含水平文本、多方向文本以及曲线文本。 142 | 2. **语言**：English & some of Chinese 143 | 3. **尺寸**：total: 1.5k, 1255 for train, 300 for test. 144 | 4. **标注形式**：word-based 145 | 5. **下载链接**：https://drive.google.com/file/d/1bC68CzsSVTusZVvOkk7imSZSbgD1MqK2/view?usp=sharing 146 | 147 | 148 | 149 | ## Recognition 150 | 151 | ### Recog Synthetic Datasets 152 | 153 | #### MJSynth 154 | 155 | 1. **描述**：合成数据集 156 | 2. **语言**：Mix 157 | 3. **尺寸**：9m 158 | 4. **下载链接** 159 | 1. official：http://www.robots.ox.ac.uk/~vgg/data/text/ 160 | 2. BaiduNetdisklink(passwd:emco)：https://pan.baidu.com/s/1PBJf-BtFa7mLkltIfTXPhQ 161 | 162 | ### Recog Real Datasets 163 | 164 | #### CUTE80 165 | 166 | 1. **描述**：数据集包含一些带有歪曲文本的自然图像 167 | 2. **语言**：English 168 | 3. **尺寸**：80张图像，288个单词实例 169 | 4. **下载连接**：http://cs-chan.com/downloads_CUTE80_dataset.html 170 | 171 | #### IIIT5k-Words 172 | 173 | 1. **描述**：该数据集从Google图像搜索中通过使用广告词，广告牌，门牌号，门牌号，电影海报等查询词来收集图像获得的。 174 | 2. **语言**：English 175 | 3. **尺寸**：5k 176 | 4. **下载连接**：http://cvit.iiit.ac.in/research/projects/cvit-projects/the-iiit-5k-word-dataset 177 | 178 | #### Street View Text(SVT) 179 | 180 | 1. **描述**：图像来源自于Google Street View，数据集种的图像包含好质量和低质量的图像，通常低质量图片居多。 181 | 2. **语言**：English 182 | 3. **尺寸**：249张图像、647个单词实例 183 | 4. **下载连接**：http://vision.ucsd.edu/~kai/svt/ 184 | 185 | #### Street View Text Perspective(SVTP) 186 | 187 | 1. **描述**：数据集与SVT图像同源，图片大部分带有透视 188 | 2. **语言**：English 189 | 3. **尺寸**：238张图像、645个单词实例 190 | 4. **下载连接**：https://pan.baidu.com/s/1XgtAR6zVWSzblQaoYpJQX 191 | 192 | #### Synthetic Chinese String 193 | 194 | 1. **描述**：数据集采自中国街景，并由街景图片中的文字行区域（例如店铺标牌、地标等等）截取出来而形成。 195 | 2. **语言**：Mix 196 | 3. **尺寸**：60k 197 | 4. **下载连接**：https://aistudio.baidu.com/aistudio/competition/detail/20/0/introduction 198 | 199 | #### The Chars74K dataset 200 | 201 | 1. **描述**：10% for nature scene，5% for hand written，85%for synthetic 202 | 2. **语言**：包括（0-9，A-Z，（a-z） 203 | 3. **尺寸**：74k 204 | 4. **下载连接**：http://www.ee.surrey.ac.uk/CVSSP/demos/chars74k/ 205 | 206 | --------------------------------------------------------------------------------