21言語・50万枚 多言語OCR データセット（自然画像・文書画像・スクリーン）

ocrデータセット

日本語ocrデータ

OCR画像データ

OCR学習データ

本データセットは、21言語に対応した合計約50万枚のOCR用画像データを収録しています。各言語ごとに約2万〜2.5万枚の画像を含み、自然シーン画像、文書撮影画像、電子画面画像（スクリーン表示）など多様なデータタイプで構成されています。撮影角度、背景、レイアウト、文字種の違いなど、実環境に近い多様性を備えています。アノテーションは行（列）単位での四辺形または多角形による領域ラベリングと内容転写（トランスクリプション）を実施しており、テキスト検出・文字認識・多言語OCRモデルの学習および評価に適しています。

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。