常用公开数据集整理

Table of Contents

1. Detection

   1. Synthetic Datasets
      • SynthText
   2. Real Datasets
      • Chinese Text in the Wild(CTW)
      • COCO-TEXT
      • Google FSNS
      • ICDAR2015
      • ICDAR2019-ArT
      • ICDAR2019-MLT
      • MSRA-TD500
      • SCUT-CTW1500
      • The Uber Text
      • Total-Text

2. Recognition

   1. Synthetic Datasets
      • Synthetic Datasets
      • MJSynth
   2. Real Datasets
      • CUTE80
      • IIIT5k-Words
      • Street View Text(SVT)
      • Street View Text Perspective(SVTP)
      • Synthetic Chinese String
      • The Chars74K dataset

Detection & Recognition

Synthetic Datasets

SynthText

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。
2. 语言：English
3. 尺寸：90k
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
5. 下载链接：http://www.robots.ox.ac.uk/~vgg/data/scenetext/

Real Datasets

Chinese Text in the Wild

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。
2. 语言：Chinese
3. 尺寸：32k
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。
5. 下载链接：https://ctwdataset.github.io/

COCO-TEXT

1. 描述：machine-printed vs. handwritten, legible vs. illgible, and English vs. non-English
2. 语言：English
3. 尺寸：63k
4. 下载连接：https://bgshih.github.io/cocotext/#h2-download

Google FSNS

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。
2. 语言：France
3. 尺寸：1080k
4. 标注形式：
5. 下载链接：http://rrc.cvc.uab.es/?ch=6&com=downloads

ICDAR 2015

1. 描述：自然场景图像(图像分辨率较低)
2. 语言：English
3. 尺寸：1.5k, 1k for train, 500 for test.
4. 标注形式：x1, y1, x2, y2, x3, y3, x4, y4, 顺时针(word-based)
5. 下载链接：https://rrc.cvc.uab.es/?ch=4&com=downloads

ICDAR2019-ArT

1. 描述：Arbitrary-Shaped Text，任意形状场景文字
2. 语言：mix
3. 尺寸：10k
4. 标注形式：json格式标签，(segmentation-based)
5. 下载链接：http://rrc.cvc.uab.es/?ch=14

ICDAR2019-MLT

1. 描述：多种混合语言标注的自然场景图片
2. 语言：Arabic、French、Chinese、German、Korean、Japanese、Italian、Bangladesh、Hindi（1000 per）
3. 尺寸：10k for train; 10k for text
4. 标注形式：x1, y1, x2, y2, x3, y3, x4, y4, 顺时针(character-based)
5. 下载链接：https://rrc.cvc.uab.es/?ch=15&com=evaluation&task=1

MSRA-TD500

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。
2. 语言： multi-lingual
3. 尺寸：total: 500——300 for train, 200 for test
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
5. 下载链接：http://www.iapr-tc11.org/dataset/MSRA-TD500/MSRA-TD500.zip

SCUT-CTW1500

1. 描述：针对弯曲文本检测的数据集
2. 语言：mainly Chinese & English
3. 尺寸：1.5k
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)
5. 下载链接：https://github.com/Yuliang-Liu/Curve-Text-Detector

The Uber Text dataset

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。
2. 语言：English
3. 尺寸：110k
4. 标注形式：segmentation-based
5. 下载链接：https://s3-us-west-2.amazonaws.com/uber-common-public/ubertext/index.html

Total-Text

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。
2. 语言：English & some of Chinese
3. 尺寸：total: 1.5k, 1255 for train, 300 for test.
4. 标注形式：word-based
5. 下载链接：https://drive.google.com/file/d/1bC68CzsSVTusZVvOkk7imSZSbgD1MqK2/view?usp=sharing

Recognition

Recog Synthetic Datasets

MJSynth

1. 描述：合成数据集
2. 语言：Mix
3. 尺寸：9m
4. 下载链接
   1. official：http://www.robots.ox.ac.uk/~vgg/data/text/
   2. BaiduNetdisklink(passwd:emco)：https://pan.baidu.com/s/1PBJf-BtFa7mLkltIfTXPhQ

Recog Real Datasets

CUTE80

1. 描述：数据集包含一些带有歪曲文本的自然图像
2. 语言：English
3. 尺寸：80张图像，288个单词实例
4. 下载连接：http://cs-chan.com/downloads_CUTE80_dataset.html

IIIT5k-Words

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。
2. 语言：English
3. 尺寸：5k
4. 下载连接：http://cvit.iiit.ac.in/research/projects/cvit-projects/the-iiit-5k-word-dataset

Street View Text(SVT)

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。
2. 语言：English
3. 尺寸：249张图像、647个单词实例
4. 下载连接：http://vision.ucsd.edu/~kai/svt/

Street View Text Perspective(SVTP)

1. 描述：数据集与SVT图像同源，图片大部分带有透视
2. 语言：English
3. 尺寸：238张图像、645个单词实例
4. 下载连接：https://pan.baidu.com/s/1XgtAR6zVWSzblQaoYpJQX

Synthetic Chinese String

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。
2. 语言：Mix
3. 尺寸：60k
4. 下载连接：https://aistudio.baidu.com/aistudio/competition/detail/20/0/introduction

The Chars74K dataset

1. 描述：10% for nature scene，5% for hand written，85%for synthetic
2. 语言：包括（0-9，A-Z，（a-z）
3. 尺寸：74k
4. 下载连接：http://www.ee.surrey.ac.uk/CVSSP/demos/chars74k/