DocBank: Document Enhancement Dataset
此数据集用于文档图像增强,具体任务包括以下内容:
- Seal detection & Removal 印章检测 & 移除
- Watermark detection & Removal 水印检测 & 移除
- Document deblurring 文档去模糊
- Document shadow removal 文档去阴影
- Document super-resolution 文档超分
- Document Low-Light Enhancement 文档低光增强
- 释放第一批可用于合成的GT数据(10000张)
- 释放第一批印章数据
- 释放第一批水印数据
- 释放第一批阴影数据
- 释放第一批超分数据
- 释放第一批去模糊数据
- 释放第一批低光数据
- 释放数据合成代码
- 第二批数据的释放
以下是各任务数据集及链接地址:
以下为干净的文档底图,读者也可根据需要自行处理合成自己的数据。
| 名称 | 说明 | 链接 | 提取码 |
|---|---|---|---|
| doc_img_10000 | 10000张文档图(第一批,编号10000) | 百度网盘 | ibxf |
| 名称 | 说明 | 链接 | 提取码 |
|---|---|---|---|
| seal-1-1 | 10000张,混合数据,与GT10000对应,文件名-(x1, y1, x2, y2)分别表示印章位置左上和右下的坐标 | 百度网盘 | hc6v |
| Seal-1-2 | 10000张,混合数据,GT10000对应,文件名-(x1, y1, x2, y2)分别表示印章位置左上和右下的坐标 | 百度网盘 | esc8 |
| Seal-2 | 20796张,混合数据,印章区域成对数据 | 百度网盘 | 7t19 |
| Seal-3 | 25033张,纯印章图片,无背景信息。GT为自行创建纯白对应shape图片 | 百度网盘 | 9qpf |
| Seal-4 | 80000张,PNG带有透明通道纯印章,可置于自定义背景上,亦可转成jpg同Seal-3 | 夸克网盘 | C4b8 |
文档的GT图片部分来自于互联网收集的公开图片,部分来自于真实数据。其中部分印章的真实数据来源于DocDiff以及ICDAR相关数据。大部分训练集由我们在GT上自己处理得到。本数据集仅用于学术用途,请勿用于其他领域。
有任何疑问可邮件联系yf.liu2@siat.ac.cn ,如果本项目对您有帮助,欢迎您给本项目点一个star,感谢!