awesome-ocr-resources

OCR 论文与数据集一站清单，省去到处搜资料

awesome-ocr-resources 是一个面向 OCR（光学字符识别）领域的资源聚合项目，系统整理了该方向的重要论文、公开数据集与工具链接。它解决的是 OCR 学习者和开发者信息分散、检索成本高的问题：从文本检测、文本识别、端到端 OCR 到文本分割等子任务，都能在这个清单里找到对应资料。项目以 Markdown 列表形式组织，按主题分类，便于快速定位经典方法与最新进展，适合作为入门调研、论文复现或工程选型的索引。语言为 Python，但本身不包含可运行代码，核心价值在于信息组织而非算法实现。对于想系统了解 OCR 技术脉络、寻找训练数据或对比不同方案的研究者和工程师，它相当于一张持续维护的地图，能显著减少从零搜集资料的时间。

开源 free 计算机视觉

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 437

维护状态活跃

是否开源是

定价模式 free

项目数据

分类计算机视觉

开发团队ZumingHuang

所属国家

官网地址

GitHubhttps://github.com/ZumingHuang/awesome-ocr-resources

定价模式free

价格说明开源免费资源合集

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型awesome,computer-vision,deep-learning,end-to-end-ocr,machine-learning,ocr,text-detection,text-recognition,text-segmentation,video-ocr

GitHub 星标★ 437

30天Star增速

HF 下载量

上线时间2018-05-21 00:00:00

最近更新2026-09-18 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-09-19

浏览次数0

使用教程

核心亮点

按文本检测、识别、端到端、分割等子任务分类，结构清晰
同时收录论文与数据集，兼顾理论调研和实验取数需求
覆盖传统方法与深度学习方案，适合梳理 OCR 技术演进脉络

不足之处

仅为链接清单，不含可运行代码或基准评测
更新频率依赖维护者，部分链接可能随时间失效

适用场景

OCR 方向研究生入门时快速建立领域知识地图
算法工程师为项目选型时对比检测/识别方案与数据集
复现论文前查找公开训练数据与评测集

替代项目

PaddleOCR、EasyOCR

项目介绍

awesome-ocr-resources 是一个计算机视觉领域的开源项目，官方简介：A collection of resources (including the papers and datasets) of OCR (Optical Character Recognition).。项目使用 Python 开发，在 GitHub 上获得 437 星标。

上一篇：zotero-ocr

下一篇：ocr-rs