---
title: ocr_fudanvi_zh
canonical_url: "https://www.modelscope.ai/datasets/modelscope/ocr_fudanvi_zh"
md_url: "https://www.modelscope.ai/datasets/modelscope/ocr_fudanvi_zh.md"
repository: modelscope/ocr_fudanvi_zh
last_updated: 2025-12-20
license: "Apache License 2.0"
storage_size: "11 KB"
domain:
  - image
tasks:
  - image-to-text
language:
  - zh
size_scale:
  - 10k-1m
downloads: 136
stars: 0
---

# ocr_fudanvi_zh

> ocr_fudanvi_zh - An open-source dataset by modelscope on ModelScope. news 更新dataset，将csv中默认的nan等转为nan而不是空。

modelscope/ocr_fudanvi_zh is a image-to-text dataset on ModelScope. covering image. totalling 11 KB. licensed under Apache License 2.0.

- **Repository**: modelscope/ocr_fudanvi_zh
- **License**: Apache License 2.0
- **Tasks**: image-to-text
- **Domain**: image
- **Storage size**: 11 KB
- **Downloads**: 136
- **Stars**: 0
- **Last updated**: 2025-12-20

Source: https://www.modelscope.ai/datasets/modelscope/ocr_fudanvi_zh

---

## news
更新dataset，将csv中默认的nan等转为nan而不是空。

## 数据集描述
ocr的数据集，包含scene场景的train、val和test。

### 数据集简介
ocr自然场景数据集。

### 数据集支持的任务
支持中文ocr任务


## 数据集的格式和结构

### 数据格式
包含image_id, label, image等信息。



### 数据集加载方式
```python
from modelscope.msdatasets import MsDataset
ds = MsDataset.load("ocr_fudanvi_zh", subset_name='scene', namespace="modelscope", split="train")
print(ds[0])
```

### 数据分片
数据已经预设了train/val/test分片。



## 数据集生成的相关信息
原始数据参见：https://github.com/FudanVI/benchmarking-chinese-text-recognition



## 数据集版权信息
数据集已经开源，license为MIT-license，如有违反相关条款，随时联系modelscope删除。

## 引用方式
```
@article{chen2021benchmarking,
  title={Benchmarking Chinese Text Recognition: Datasets, Baselines, and an Empirical Study},
  author={Chen, Jingye and Yu, Haiyang and Ma, Jianqi and Guan, Mengnan and Xu, Xixi and Wang, Xiaocong and Qu, Shaobo and Li, Bin and Xue, Xiangyang},
  journal={arXiv preprint arXiv:2112.15093},
  year={2021}
}
```


## 其他相关信息
数据源FudanVI，可能存在bias，请合理使用。

### Clone with HTTP
* http://www.modelscope.cn/datasets/modelscope/ocr_fudanvi_zh.git