Yesianrohn/openocr-web-images

OpenOCR Web Images 从网络爬取的多语言图片数据集，配套多个 OCR 模型的打标结果，用于 OCR 模型 训练/评估数据构建。 数据集结构 data_download/ en/ # 英文候选图片 data/train-part*.parquet # 图片数据，字段见下方"图片数据字段" labels/ ppocrv6/part*/label-*.parquet # PP-OCRv6 打标结果 hunyuanocr/part*/label-*.parquet # HunyuanOCR (VLM) 打标结果 ch/ # 中文候选图片，目前只有图片，还没跑打标 data/train-part*.parquet mlt/ # 多语言候选图片，目前只有图片，还没跑打标… See the full description on the dataset page: https://huggingface.co/datasets/Yesianrohn/openocr-web-images.