手写中文数据集

手写OCR数据集

这里整理了常用手写数据集，持续更新中，欢迎各位小伙伴贡献数据集～

• 中科院自动化研究所-手写中文数据集
• 华南理工大学-手写中文数据集
• NIST手写单字数据集-英文

中科院自动化研究所-手写中文数据集

• 数据来源：http://www.nlpr.ia.ac.cn/databases/handwriting/Download.html

• 数据简介：

• 包含在线和离线两类手写数据，HWDB1.0~1.2总共有3895135个手写单字样本，分属7356类（7185个汉字和171个英文字母、数字、符号）；HWDB2.0~2.2总共有5091页图像，分割为52230个文本行和1349414个文字。所有文字和文本样本均存为灰度图像。部分单字样本图片如下所示。

  

• 下载地址：http://www.nlpr.ia.ac.cn/databases/handwriting/Download.html

• 使用建议：数据为单字，白色背景，可以大量合成文字行进行训练。白色背景可以处理成透明状态，方便添加各种背景。对于需要语义的情况，建议从真实语料出发，抽取单字组成文字行

华南理工大学-手写中文数据集(SCUT-EPT Dataset)

• 数据来源：https://github.com/HCIILAB/SCUT-EPT_Dataset_Release

• 数据简介：

  • SCUT-EPT数据集适用于手写文档和字符识别的模型训练，从2986位志愿者试卷中提取得到，总共包含5万张文本行图片，分属4250类（4033个常见汉字、104个符号和113个生僻字）；生僻字是指字符不在CASIA-HWDB1.0-1.2字符集合中的字。SCUT-EPT数据集中总字符数为1,267,161，每个文本行大约25个字符。部分样本图片如下所示。

    

• 下载地址：https://pan.baidu.com/s/1h4d1ogn_MAnE_X0LNHowYg

  • 如果下载链接失效以及获取解压密码，请查看数据来源主页

NIST手写单字数据集-英文(NIST Handprinted Forms and Characters Database)

• 数据来源: https://www.nist.gov/srd/nist-special-database-19

• 数据简介: NIST19数据集适用于手写文档和字符识别的模型训练，从3600位作者的手写样本表格中提取得到，总共包含81万张字符图片。其中9张图片示例如下。

  

• 下载地址: https://www.nist.gov/srd/nist-special-database-19

参考

• https://github.com/openvinotoolkit/open_model_zoo/blob/master/data/dataset_classes/scut_ept.txt
• https://github.com/HCIILAB/SCUT-EPT_Dataset_Release
• https://github.com/HCIILAB/SCUT-HCCDoc_Dataset_Release