From adb79f9c9fab9da3fc1d51640d5ca837a113766e Mon Sep 17 00:00:00 2001 From: xiangyubo Date: Tue, 14 Jul 2020 17:10:41 +0800 Subject: [PATCH] add Chinese character handwriting dataset --- doc/doc_ch/datasets.md | 7 ------- doc/doc_ch/handwritten_datasets.md | 4 ++-- 2 files changed, 2 insertions(+), 9 deletions(-) diff --git a/doc/doc_ch/datasets.md b/doc/doc_ch/datasets.md index a9779bdd..81314a8e 100644 --- a/doc/doc_ch/datasets.md +++ b/doc/doc_ch/datasets.md @@ -5,7 +5,6 @@ - [中文街景文字识别](#中文街景文字识别) - [中文文档文字识别](#中文文档文字识别) - [ICDAR2019-ArT](#ICDAR2019-ArT) -- [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) 除了开源数据，用户还可使用合成工具自行合成，可参考的合成工具包括[text_renderer](https://github.com/Sanster/text_renderer)、[SynthText](https://github.com/ankush-me/SynthText)、[SynthText_Chinese_version](https://github.com/JarveeLee/SynthText_Chinese_version)、[TextRecognitionDataGenerator](https://github.com/Belval/TextRecognitionDataGenerator)等。 @@ -58,12 +57,6 @@ https://aistudio.baidu.com/aistudio/datasetdetail/8429 ![](../datasets/ArT.jpg) - **下载地址**：https://ai.baidu.com/broad/download?dataset=art - -#### 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。 -- **下载地址**：http://www.nlpr.ia.ac.cn/databases/handwriting/Download.html - ## 参考文献 **ICDAR 2019-LSVT Challenge** ``` diff --git a/doc/doc_ch/handwritten_datasets.md b/doc/doc_ch/handwritten_datasets.md index abf7a48f..7b4be96c 100644 --- a/doc/doc_ch/handwritten_datasets.md +++ b/doc/doc_ch/handwritten_datasets.md @@ -6,8 +6,8 @@ #### 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 + ![](../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 -- GitLab