OCR数据集

文本识别数据集：
1.SynthText in the Wild dataset
This dataset consists of 8 million images covering 90k English words, and includes the training, validation and test splits used in our work.
该数据集包含8百万张图片，涵盖9万个英文单词。出自牛津大学。
下载地址：http://www.robots.ox.ac.uk/~vgg/data/scenetext/

2.SyntheticChineseStringDataset
该数据集是中文识别数据集，包含360多万张训练图片，5824个字符，不过场景比较简单，图片是白底黑字。
下载地址：https://pan.baidu.com/s/1dFda6R3

3.COCO-TEXT
英文数据集，包括63686幅图像，173589个文本实例，包括手写版和打印版，清晰版和非清晰版。文件大小12.58GB，训练集：43686张，测试集：10000张，验证集：10000张。
下载地址：https://vision.cornell.edu/se3/coco-text-2/

4.Google FSNS(谷歌街景文本数据集)
该数据集是从谷歌法国街景图片上获得的一百多万张街道名字标志，每一张包含同一街道标志牌的不同视角，图像大小为600*150，训练集1044868张，验证集16150张，测试集20404张。
下载地址：http://rrc.cvc.uab.es/?ch=6&com=downloads

5.Total-Text
该数据集共1555张图像，11459文本行，包含水平文本，倾斜文本，弯曲文本。文件大小441MB。大部分为英文文本，少量中文文本。训练集：1255张 测试集：300
下载地址：http://www.cs-chan.com/source/ICDAR2017/totaltext.zip

6.Reading Chinese Text in the Wild(RCTW-17)
该数据集包含12263张图像，训练集8034张，测试集4229张，共11.4GB。大部分图像由手机相机拍摄，含有少量的屏幕截图，图像中包含中文文本与少量英文文本。图像分辨率大小不等。
下载地址：http://rctw.vlrlab.net/dataset/

7.Chinese Text in the Wild(CTW)
该数据集包含32285张图像，1018402个中文字符(来自于腾讯街景), 包含平面文本，凸起文本，城市文本，农村文本，低亮度文本，远处文本，部分遮挡文本。图像大小2048*2048，数据集大小为31GB。以(8:1:1)的比例将数据集分为训练集(25887张图像，812872个汉字)，测试集(3269张图像，103519个汉字)，验证集(3129张图像，103519个汉字)。
下载地址：https://ctwdataset.github.io/

8.中文数据集的自动合成
github地址：https://github.com/JarveeLee/SynthText_Chinese_version

9.OCR数据集list
github地址：https://github.com/xylcbd/ocr-open-dataset