电鸭
37人浏览/8人投稿
134天前
待托管赏金
我们正在启动一个大规模数据收集项目，旨在收集 15 万张真实文档图像，用于 OCR（光学字符识别）和 AI 算法训练。该项目将有助于改进机器读取印刷文本的能力，从而支持数字计费系统、自动费用跟踪、扫描应用以及视障人士辅助工具等技术。
目的和合法性
此项数据收集计划合法且已获批准。收据图像将严格用于技术目的，例如提高机器学习读取真实打印数据的准确性。我们不会提取任何个人信息或将其用于任何其他目的。这些图像将被视为用于文本识别训练的匿名数据样本。
照片类型：
1.火车票/机票：电子版 清晰全屏UI截图，纸质版1张票/25张不同背景的完整清晰照片；
2. 发票：包括商业、医院、旅行或官方发票，1张发票 /25张图片；完整详细信息（徽标、日期、金额、组织名称） 使用真实世界的设置（办公桌、文件夹、桌子） 必须与一般账单或收据明显不同；
3.电子票： 仅限电子版：交通、活动、酒店、预约 ；每张票 1 张屏幕截图（全屏 UI）
每种类型最多 20 张屏幕截图；
4.账单：打印或手写的水电费账单（电费、水费等） ；必须显示提供商名称、日期、用户名、金额 ，正反都有即2 张图片，单面则1张照片；
拍摄要求：使用 12MP+ 智能手机或相机 ；无滤镜、美化、HDR 或 AI 效果
保持图像清晰、聚焦，并保留原始色彩
自然光，室内柔和光，闪光灯需分散，照顾均匀，避免曝光 反射等不清晰，不可扫描件
自然场景：书桌沙发，地铁 咖啡厅等，使用自上而下或倾斜拍摄（30-45°）
持有文件时：仅可见部分手/手指 ；手臂不应超过框架的 1/6 ；改变环境和照明 ；每个角都应该可见。
注意事项：禁止模糊、裁剪或扫描的图像（电子票除外）；禁止完整的手/手臂可见性
禁止重叠的文档 ；禁止跨类别重复使用图像
