人工智能入门实战：数据集的获取与处理

SVT：Street View Text数据集图像来源自于Google Street View，数据集种的图像包含好质量和低质量的图像，通常低质量图片居多。 SVT-Perspective：SVT-Perspective(SVTP):从谷歌街景里抠出来的,失真比较严重。 IIIT5k：简介，5K张裁剪好的文字图片，如上图。2K张训练集，3K张测试集。测试集中包含了街景，网络图片等。仅标注62个字符，52个字母以及10个数字。 ICDAR2015：和ICDAR2103数据集类似，只是文本框的格式由矩形框变成四边形，所以写有标签的txt文本前4个数字变为8个数字，代表四边形文本框的四个点，其他规则一样。 ICDAR2013：ICDAR2013数据集为每个图片提供了单词的边界框的标注，每个图片都有属于自己的标注txt文件，以一个单独的图像为例，标注文件每一行代表一个文本目标，前四个数字为坐标信息（x1,y1,x2,y2）是文本框的左上和右下点，目标框为矩形。最后一列是文本的字符内容，如果字体模糊，则用###代替（还包含文字分割标签，具体的可以在数据集官网地址里面看）。 ICDAR2003：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）。