源自论文,Chinese Text in the Wild <https://arxiv.org/abs/1803.00085>

主要包含32285张图片,共计1018402个汉字,3850个汉字类别。主要来自清华-腾讯100K数据集和腾讯街景数据集。图片大小为2048*2048。

其中训练集:检测测试集:识别测试集=8:1:1

该数据集可以用于自然场景文字的检测和识别2个任务。

 

Annotation 包括:

(1) 每个汉字的检测框

(2) 一行汉字的检测框

(3) 是否遮挡(occlusion)

是否有复杂背景(complex background )

是否扭曲(distortion )

是3D字体还是平面字体(raised)

是否是艺术风格还是传统风格(wordart )

手写体还是打印体(handwritten )






Reference:

https://ctwdataset.github.io/ <https://ctwdataset.github.io/>