富文本实拍数据库OCR

涵盖多类目（食品、数码、服饰、家装）的富文本实拍图像，用于复杂版面OCR。

3.5万条数据更新时间 2026-05-11

数据集简介

共34,868张实拍图像，类目涉及化妆品、道路标语、菜单教材、问答数据、流程图、海报等。包含食品、数码、服饰、家装等子类，图像中文字与图形混合，版面多样。适用于复杂场景下的文字检测与识别模型训练，如智能货架、商品识别等。

数据质量

记录完整性

91.63%

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。