diff --git a/doc/datasets/CASIA_0.jpg b/doc/datasets/CASIA_0.jpg new file mode 100644 index 0000000000000000000000000000000000000000..d65924b2e08504bf56cc20d53ee81dd0dd064322 Binary files /dev/null and b/doc/datasets/CASIA_0.jpg differ diff --git a/doc/doc_ch/handwritten_datasets.md b/doc/doc_ch/handwritten_datasets.md new file mode 100644 index 0000000000000000000000000000000000000000..abf7a48fdb75916781f01dfd12ceea294c0517ac --- /dev/null +++ b/doc/doc_ch/handwritten_datasets.md @@ -0,0 +1,13 @@ +## 手写中文OCR数据集 +这里整理了常用手写中文数据集,持续更新中,欢迎各位小伙伴贡献数据集~ +- [中科院自动化研究所-手写中文数据集](#中科院自动化研究所-手写中文数据集) + + +#### 6、中科院自动化研究所-手写中文数据集 +- **数据来源**:http://www.nlpr.ia.ac.cn/databases/handwriting/Download.html +- **数据简介**:包含在线和离线两类手写单字数据,包含GB2312-80中的3755个一级汉字,共由720人手写完成。在线部分(HWDB)总共包含约210万个训练样本,53万个测试样本;离线部分(OLHWDB)总共包含约210万个训练样本,53万个测试样本。 + ![](../datasets/CASIA_0.jpg) + (a) 五张单字图片样例 +- **下载地址**:http://www.nlpr.ia.ac.cn/databases/handwriting/Download.html +- **使用建议**:数据为单字,白色背景,可以大量合成文字行进行训练。白色背景可以处理成透明状态,方便添加各种背景。对于需要语义的情况,建议从真实语料出发,抽取单字组成文字行 +