OCR 데이터셋

15,148세트 한·일 메뉴 OCR 데이터로, 일본 메뉴 9,701세트와 한국 메뉴 5,447세트를 포함합니다. 어노테이션 내용은 행 단위 사변형 박스 어노테이션 및 행 단위 콘텐츠 전사이며, 일부 데이터는 열 단위 사변형 박스 어노테이션 및 열 단위 콘텐츠 전사로 구성됩니다.

1,586,458세트 문서 OCR 및 구조화 파싱 데이터로, 중국어 교재, 중국어 전자책, 중국어 학습 보조 교재 등을 포함하며, 어노테이션 파일에는 OCR 어노테이션과 구조화 파싱 데이터가 포함됩니다.

4,995장의 베트남어 OCR 어노테이션 및 전사 데이터로, 자연 환경 이미지 258장, 스크린샷 2,553장 및 텍스트 이미지 2,184장을 포함합니다. 어노테이션 측면에서는 행 단위 콘텐츠에 대해 행 단위 사변형 박스 어노테이션 및 행 단위 콘텐츠 전사를 진행했으며, 세로 열 콘텐츠에 대해서는 세로 열 사변형 박스 어노테이션 및 세로 열 콘텐츠 전사를 진행했습니다. 본 베트남어 OCR 어노테이션 및 전사 데이터는 다양한 환경에서의 베트남어 인식, 베트남어 사진 번역 등의 작업에 활용할 수 있습니다.

14,980장의 8개 언어 PPT OCR 데이터로, 8개 언어, 다양한 환경, 다양한 촬영 각도, 다양한 촬영 거리 및 다양한 조명 조건을 포함합니다. 어노테이션 측면에서는 행 단위 텍스트의 사변형 박스 어노테이션 및 행 단위 텍스트 전사를 진행했습니다. 본 다국어 PPT OCR 데이터는 다국어 OCR 등의 작업에 활용할 수 있습니다.

39,993장의 이미지 OCR 데이터로, 언어 분포는 중국어 및 영어(소량)로 구성됩니다. 어노테이션 측면에서는 이미지에 대해 행 단위 사각형 박스 어노테이션 및 행 단위 콘텐츠 전사를 진행했으며, 일부 데이터는 열 단위 사각형 박스 어노테이션 및 열 단위 콘텐츠 전사로 구성됩니다.

1,000장의 일본어 영수증 수집 데이터입니다. 데이터는 기본 편집 500장과 전문 편집 500장으로 구성됩니다. 데이터 다양성은 다양한 영수증 내용·편집 유형·형식을 포함합니다. 영수증의 회사명, 주소, 이름, 팩스번호, 전화번호 등 민감 정보는 모두 가상 정보로 편집했으며 실제 정보가 아닙니다. 본 데이터는 일본어 영수증 검출, 인식, End-to-End OCR 등의 작업에 활용할 수 있습니다.

426,687장의 자연 장면, 문서 촬영 장면 및 전자 장면 OCR 수집 데이터는 번체 중국어, 일본어, 한국어, 인도네시아어, 말레이어, 태국어, 베트남어, 폴란드어 등 20개 언어를 포함합니다. 데이터 다양성은 다양한 자연 장면 및 다양한 촬영 각도를 포함합니다. 본 데이터셋은 다국어 OCR 태스크에 활용할 수 있습니다.

9,497장의 10종 표 OCR 데이터로, 사각형 박스를 사용하여 어노테이션을 진행했으며, 본 데이터는 표 검출 및 인식 등의 작업에 활용할 수 있습니다.

3,506장의 힌디어 OCR 어노테이션 및 전사 데이터로, 자연 환경 이미지 2,056장, 스크린샷 1,103장 및 텍스트 이미지 347장을 포함합니다. 어노테이션 측면에서는 행 단위 콘텐츠에 대해 행 단위 사변형 박스 어노테이션 및 행 단위 콘텐츠 전사를 진행했으며, 세로 열 콘텐츠에 대해서는 세로 열 사변형 박스 어노테이션 및 세로 열 콘텐츠 전사를 진행했습니다. 본 힌디어 OCR 어노테이션 및 전사 데이터는 다양한 환경에서의 힌디어 인식, 힌디어 사진 번역 등의 작업에 활용할 수 있습니다.