BanglaWriting: A multi-purpose offline Bangla handwriting dataset

要約

この記事では、BanglaWriting という名前のバングラ手書きデータセットを紹介します。このデータセットには、さまざまな性格や年齢の 260 人の個人の 1 ページの手書きが含まれています。
各ページには、文章の Unicode 表現とともに、各単語を区切るバウンディング ボックスが含まれています。
このデータセットには、合計 21,234 語と 32,787 文字が含まれています。
さらに、このデータセットには、バングラ語彙の 5,470 の固有の単語が含まれています。
通常の単語とは別に、データセットは 261 のわかりやすい上書きと 450 の手書きのストライクとミスで構成されています。
境界ボックスと単語ラベルはすべて手動で生成されます。
このデータセットは、複雑な光学式文字/単語認識、書き手の識別、手書き単語のセグメンテーション、および単語生成に使用できます。
さらに、このデータセットは、年齢や性別による筆跡のバリエーションの抽出にも適しています。

要約(オリジナル)

This article presents a Bangla handwriting dataset named BanglaWriting that contains single-page handwritings of 260 individuals of different personalities and ages. Each page includes bounding-boxes that bounds each word, along with the unicode representation of the writing. This dataset contains 21,234 words and 32,787 characters in total. Moreover, this dataset includes 5,470 unique words of Bangla vocabulary. Apart from the usual words, the dataset comprises 261 comprehensible overwriting and 450 handwritten strikes and mistakes. All of the bounding-boxes and word labels are manually-generated. The dataset can be used for complex optical character/word recognition, writer identification, handwritten word segmentation, and word generation. Furthermore, this dataset is suitable for extracting age-based and gender-based variation of handwriting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google