场景文本识别 文字检测与识别 数据库 下载链接

神经网络 卷积神经网络的Keras文本识别实现 此实现中有两种可用的模型。 一个基于原始CRNN模型，另一个则包含空间转换器网络层以纠正文本。 但是，性能差别不大，因此由您决定选择哪种型号。 训练 您可以使用Synth90k数据集训练模型，但也可以使用自己的数据。 如果使用自己的数据，则必须重写代码，以便根据数据结构来加载数据。 要下载Synth90k数据集，请转到此并下载MJSynth数据集。 可以将Synth90k数据集放在data/Synth90k或者使用--base_dir参数指定数据集的路径。 基本目录应包括许多包含Synth90k数据的子目录，用于训练，验证和测试数据的注释文件，列出数据集中所有图像的路径的文件以及词典文件。 使用--model参数指定要使用的两个可用模型中的哪个。 默认模型是带有STN层的CRNN。 有关详细信息，请参见config.py 。 运行tra

文本识别数据集：ICDAR2003 训练集1156张 测试集 1110 标签中都是每张图片上对应的单词 train.txt和test.txt都是过滤之后的标签（去掉符号和小于3个字符的） 另外两个标签是原版标签没有进行任何过滤 可自行在前面添加文件路径，也可以去我的主页下载添加路径的代码文件（python文件）

Imdb格式的IIIT5k数据集 相关的制作、使用代码可见博客 https://blog.csdn.net/zhaominyiz/article/details/104834770

CUTE80数据集，都是弧形文字，包含了弧形的各个坐标，

ICDAR2003 ocr识别数据集

LMDB格式的CUTE80资源 包括288张非常倾斜扭曲的高难度图像 如何使用可见博客 https://blog.csdn.net/zhaominyiz/article/details/104834770