什么是光学字符识别？
光学字符识别（OCR）是使计算机能够从图像中提取文本数据的技术。对文档（打字，手写或打印）进行OCR处理后，即可轻松地编辑，搜索，索引和检索文本数据。OCR可能会为您日常使用的服务中的许多系统提供动力。OCR的某些应用程序包括用于商务文档的自动数据输入，翻译应用程序，在线数据库（例如Google图书），可自动识别车牌的安全摄像机等。
如果您有兴趣了解有关OCR的更多信息，或希望寻找培训数据来开发自己的OCR系统，Lionbridge AI的我们将最佳OCR和手写数据集的清单整理在一起，以帮助您。
用于机器学习的OCR和手写数据集
NIST数据库：美国国家科学研究院出版了3600位作者的笔迹，其中包括80万个字符图像。
MNIST数据库：原始NIST数据的子集，具有60,000个手写数字示例的训练集。
Devangri字符：手写的Devangari字符数据集，由来自25个本地作者的36个字符类的1800个样本组成。
数学表达式：超过10,000个表达式，包括超过101个数学符号。
汉字：包含909,818张图像的手写汉字数据集，对应大约10篇新闻文章。
阿拉伯语印刷文本：包含113,284个单词的词典，并使用10种阿拉伯字体。
文档数据库：包含189位作家的941个在线手写文档，并涵盖了列表，表格，公式，图表和图形。
Iam在线手写：包含在白板上获得的手写英文文本的形式，并包含1700多个条目。
街景文字：街景文字数据集是从Google街景中获取的，主要用于处理室外街道标牌和木板。
街景门牌号码：包含73257位房屋门牌号码，取自Google街景视图。
自然环境OCR：一个数据集，包含659个现实世界图像以及5238个文本注释。
场景文本：包含在不同环境下捕获的3000张图像，包括在不同光照条件下（白天，夜晚，强烈的人造光等）的室外和室内场景。
文字检测：包含500张自然图像，这些图像是使用袖珍相机拍摄的。室内图像主要是标牌，门牌和警示牌，而室外图像主要是导板和广告牌。
Stanford OCR：包含由Stanford发布的MIT Spoken Language Systems Group收集的手写单词数据集。
Chars74K数据：它具有英文和卡纳达语数字的74K图像。
大白
