OCR 데이터셋

4,995장의 베트남어 OCR 라벨링 및 전사 데이터는 자연 장면 이미지 258장, 인터넷 이미지 2,553장, 텍스트 이미지 2,184장을 포함합니다. 라벨링 측면에서는 행 단위 내용에 대해 행 단위 사각형 박스 라벨링과 행 단위 내용 전사가 이루어지며, 세로열 내용에 대해서는 세로열 사각형 박스 라벨링과 세로열 내용 전사가 포함됩니다. 본 베트남어 OCR 라벨링 및 전사 데이터는 다양한 장면에서의 베트남어 인식 및 베트남어 촬영 번역 등 작업에 활용될 수 있습니다.

3,506장의 힌디어 OCR 라벨링 및 전사 데이터는 자연 장면 이미지 2,056장, 인터넷 이미지 1,103장, 텍스트 이미지 347장을 포함합니다. 라벨링 측면에서는 행 단위 내용에 대해 행 단위 사각형 박스 라벨링과 행 단위 내용 전사가 이루어지며, 세로열 내용에 대해서는 세로열 사각형 박스 라벨링과 세로열 내용 전사가 포함됩니다. 본 힌디어 OCR 라벨링 및 전사 데이터는 다양한 장면에서의 힌디어 인식 및 힌디어 촬영 번역 등 작업에 활용될 수 있습니다.

57,645장의 수직 문서 OCR 데이터로, 거리 풍경, 간판, 광고판, 포스터, 장식, 예술 글씨, 잡지 표지 등 다양한 환경에서 수집되었습니다. 언어는 중국어를 위주로 하며 소량의 영어도 포함되어 있습니다. 라벨은 열 단위 직사각형 박스(다각형/평행사변형) 라벨링 및 내용 전사, 비수직 직사각형 박스(다각형/평행사변형) 라벨링 및 내용 전사하였습니다. 본 데이터셋은 다양한 수직 텍스트 OCR 작업에 활용 가능합니다.

14,980장 8개 언어 PPT OCR 데이터는 8개 언어, 다양한 장면, 여러 촬영 각도, 다양한 촬영 거리, 다양한 조명 조건을 포함합니다. 라벨링 측면에서는 행 단위 텍스트의 사각형(4각형) 박스와 행 단위 텍스트 전사를 포함합니다. 본 다국어 PPT OCR 데이터는 다국어 OCR 작업에 활용할 수 있습니다.

100명 한일 손글씨 데이터로, 총 100명의 입력자가 참여했으며, 일본인 50명, 한국인 49명, 아프가니스탄인 1명으로 구성되어 있습니다. 각 개인이 작성한 말뭉치는 모두 다릅니다. 데이터 다양성은 여러 종류의 모바일 기기와 다양한 말뭉치를 포함합니다. 본 한일 손글씨 데이터는 일본어 및 한국어 손글씨 OCR 인식에 활용될 수 있습니다.

5,147장의 일본어 필기체 OCR 데이터로, A4 용지, 가로줄 노트, 모눈종이 등에 기재되었으며, 수집 장비는 스마트폰이고 촬영 각도는 정면 시점입니다. 데이터 내용은 일본어 작문, 시, 산문, 뉴스, 이야기 등 분야를 포함하며, 라벨링 측면에서는 행 단위 텍스트의 사각형 박스와 행 단위 전사를 표기했습니다. 본 데이터는 일본어 필기체 OCR 작업에 활용 가능합니다.

101명 4,538장의 일본어 필기체 OCR 데이터는 텍스트 매체로 A4 용지를 사용하였습니다. 해당 데이터는 사회 민생, 엔터테인먼트, 여행, 스포츠 경기, 영화, 작곡 등 다양한 분야의 내용을 포함하고 있습니다. 라벨링 측면에서는 문자 단위 사각형 박스 라벨링 및 문자 단위 텍스트 전사, 행 단위 사각형 박스 라벨링 및 행 단위 텍스트 전사를 수행하였습니다. 본 데이터셋은 일본어 필기체 OCR 과제에 활용될 수 있습니다.

105,941장의 12개 언어 자연 환경 OCR 데이터는 6개 아시아어와 6개 유럽어를 포함한 12개 언어를 포함하며, 다양한 자연 환경과 촬영 각도에서 수집되었습니다. 라벨링 측면에서는 행 단위 텍스트의 사각형 박스와 행 단위 텍스트 전사가 포함되어 있습니다. 본 데이터셋은 다국어 OCR 작업에 활용될 수 있습니다.

500,000장의 다국적 자연 장면 및 문서 OCR 데이터는 번체 중국어, 일본어, 한국어, 인도네시아어, 말레이어, 태국어, 베트남어, 폴란드어 등 총 20개 언어를 포함합니다. 다양한 자연 장면과 촬영 각도를 반영한 수집 방식으로, 다국어 OCR 과제에 활용될 수 있는 데이터입니다.