日语文档类OCR图片数据
面向日语的综合性文档OCR数据集，涵盖商务、证件、票据等常见类型。
7,000 条数据更新时间 2026-05-11
数据集简介
共7,000张图像，构成包括贸易文档1,000张，身份类卡片500张，卡证500张，票据1,500张，合同500张，表格500张，便签500张，白板/黑板500张，报纸500张，论文500张，书籍内容或封面500张。适用于日文OCR模型训练，可应用于文档数字化、档案管理及信息提取。
数据质量
记录完整性
96%
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet，支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。
记录代表性
数据覆盖全量业务场景，样本均衡，具备行业代表性
需要定制更适合业务场景的数据集？
我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。