---
title: cheinese_and_englist_ocr_dataset_2000K
canonical_url: "https://www.modelscope.cn/datasets/lzf010102/cheinese_and_englist_ocr_dataset_2000K"
md_url: "https://www.modelscope.cn/datasets/lzf010102/cheinese_and_englist_ocr_dataset_2000K.md"
repository: lzf010102/cheinese_and_englist_ocr_dataset_2000K
chinese_name: "中英文ocr数据集"
last_updated: 2025-10-21
license: "Apache License 2.0"
storage_size: "5.3 GB"
downloads: 162
stars: 1
---

# cheinese_and_englist_ocr_dataset_2000K

> cheinese_and_englist_ocr_dataset_2000K - lzf010102 在 ModelScope 开源的数据集。该数据集包含200万张用于文字识别的图像样本，其中英文和中文各100万张。数据集来源：英文样本：DonkeySmall/OCR-English-Printed-12中文样本：来自https://github.com/YCG09/chinese_ocr，只包含Chinese_dataset； 100万训练数据

lzf010102/cheinese_and_englist_ocr_dataset_2000K 是 ModelScope 魔搭社区上的数据集，存储大小 5.3 GB，采用 Apache License 2.0 许可。

- **Repository**: lzf010102/cheinese_and_englist_ocr_dataset_2000K
- **License**: Apache License 2.0
- **Storage size**: 5.3 GB
- **Downloads**: 162
- **Stars**: 1
- **Last updated**: 2025-10-21

Source: https://www.modelscope.cn/datasets/lzf010102/cheinese_and_englist_ocr_dataset_2000K

---

# 数据集介绍

本数据集包含200万张高质量的印刷体文字识别图像样本，其中英文和中文样本各100万张

## 数据来源

### 英文样本
英文样本来源于DonkeySmall/OCR-English-Printed-12数据集，该数据集专门为英文印刷体文字识别任务设计，包含了多样化的英文文本样本。

### 中文样本
中文样本来源于YCG09/chinese_ocr项目中的Chinese_dataset部分。
## 数据集结构
数据集目录/
├── images/ # 图像文件存储目录
└── labels.txt # 图像对应的标签文件

## 数据特点
- **总数量**：200万张图像样本
- **语言分布**：英文100万张，中文100万张
- **应用场景**：适用于文字检测、文字识别等计算机视觉任务
- **数据质量**：经过精心筛选和预处理，确保样本的多样性和代表性

## 致谢
特别感谢以下开源项目为我们提供宝贵的数据资源：
- **DonkeySmall/OCR-English-Printed-12**：提供高质量的英文印刷体文字样本
- **YCG09/chinese_ocr**：提供丰富的中文文字识别数据集

本数据集的建立得益于开源社区的贡献，我们将继续遵循开源精神，为文字识别研究社区提供支持。