426,687枚・20言語対応自然シーン&文書画像OCRデータセット

多言語OCRデータセット

文字認識学習データ

OCR教師データ

日本語OCRデータセット

文書画像OCRデータ

レイアウト解析教師データ

中国語韓国語OCRデータ

多言語対応のOCRシステムや文書自動処理技術の開発では自然シーンと文書画像の両方に対応した高品質なOCR教師データの確保が課題です。特に日本語・中国語・韓国語を含む多言語OCRデータセットや、実環境に近いシーンテキスト認識学習データの需要が急増中です。弊社が提供する本データセットは、426,687枚の高解像度画像を収録。対象言語は20言語。繁体字中国語・日本語・韓国語・タイ語・ベトナム語・インドネシア語・マレー語に加え、英語・フランス語・ドイツ語・スペイン語・ロシア語・アラビア語など主要言語を包括。収録環境は多岐にわたります。自然シーンでは、看板・領収書・ポスター・道路標識・食品パッケージ・広告看板・駅構内サインなどを収録。文書画像では、電子文書・議事録・報告書・マニュアル・書籍・新聞・教材などを網羅。撮影条件も豊富です。スマートフォン・PCで撮影。見上げ・見下ろし・アイレベルなど複数アングルに対応。背景・照明・画角の多様性を確保。収集精度は95%超を維持。本データセットは、多言語文字認識モデルの学習や、テキスト検出・レイアウト解析アルゴリズム開発に最適。日本語、中国語・韓国語・東南アジア言語対応の文字認識システム構築、グローバル展開を視野に入れた多言語文書処理基盤の整備など、幅広い用途にご利用いただけます。単一言語では対応困難な多言語・多環境OCRタスクを、効率的に実装可能です。さらに、お客様の開発要件に合わせてカスタマイズ対応も可能。収録言語・シーン種別・アノテーション粒度・データ形式などを柔軟に調整。GDPR/CCPA/PIPL準拠のプライバシー保護のもと、独自性の高い多言語OCRソリューション開発をサポートいたします。

このデータセットは、商用利用や研究目的などに役立つ有償のデータセットです。著作権ありの既製データセットは、AIプロジェクトの飛躍的なスタートに役立ちます。