一、部分开源数据集

以下是一些英文可用的开源文本识别数据集。

ICDAR 数据集：ICDAR 代表国际文档分析和识别会议。该活动每两年举行一次。他们带来了一系列塑造了研究社区的场景文本数据集。例如， ICDAR-2013和ICDAR-2015数据集。

MJSynth 数据集：该合成词数据集由牛津大学视觉几何组提供。该数据集由综合生成的 900 万张图像组成， 涵盖 9 万个英语单词，并包括我们工作中使用的训练、验证和测试分割。