IIIT-Synthetic-IndicSTR-Malaya

Language

Malayalam

Modality

Scene Text

Details Description

The IIIT-Synthetic-IndicSTR-Malayalam dataset consists of synthetically created 2M word images along with their corresponding annotations. To create synthetic images, freely available Unicode fonts are used to render synthetic word images. We use ImageMagick, Pango, and Cairo tools to render text onto images. To mimic the typical document images, we generate images whose background is always lighter (higher intensity) than the foreground. Each word is rendered as an image using a random font. Font size, font styling such as bold and italic, foreground and background intensities, kerning, and skew are varied for each image to generate a diverse set of samples. A random one-fourth of the images are smoothed using a Gaussian filter with a standard deviation (๐œŽ) of 0.5. Finally, all the images are resized to a height of 32 while keeping the original aspect ratio. This dataset is divided into Training, Validation, and Test Sets consisting of 1.5M, 0.5M, and 0.5M word images and their corresponding ground truth transcriptions. There are 3,19,984 Malayalam words in the training set.

Training Set:

train.zip contains folder named โ€œimagesโ€ with 1.5M word level images, โ€œtrain_gt.txtโ€ containing image name and ground truth text separated by โ€œTab spaceโ€ and โ€œvocabulary.txtโ€ contains list of 3,19,984 words in the Training set.

Validation Set:

val.zip contains folder named โ€œimagesโ€ with 0.5M word level images, and โ€œval_gt.txtโ€ containing image name and ground truth text separated by โ€œTab spaceโ€.

Test Set:

test.zip contains folder named โ€œimagesโ€ with 0.5M word level images, and โ€œtest_gt.txtโ€ containing image name and ground truth text separated by โ€œTab spaceโ€.

Downloads

To download Train, Test or Val data, please Login

Login Sign Up

Sample Word Level Images from Training Set

Image Ground Truth
เดŸเต€เดฎเดฟเดจเตเดฑ
เด—เต‹เด•เตเดฒเต‹เดคเตเดธเดตเตเดœเดฟเดฏเตเดŸเต†
เดšเต‹เดฆเตเดฏเด™เตเด™เดณเต‹
เดตเดฟเดทเดฒเต‹เดนเด™เตเด™เตพ
เดธเตเดตเดคเดจเตเดคเตเดฐเดธเตเดฐเต‹เดคเดธเตเดธเตเด•เดณเดฟเตฝ
เด•เดฐเตเดฃเดพเดฎเดฏเดฟ
เดฒเต‹เด•เดจเดจเตเดฎเดฏเตเด•เตเด•เดพเดฏเดฟ
เดชเตเดฐเด•เตƒเดคเดฟเดชเดฐเดฎเดพเดฏ
เดฎเตเดนเต‚เตผเดคเตเดคเด™เตเด™เดณเตเดฃเตเดŸเต
เดชเดพเดถเตเดšเดพเดคเตเดฏเด•เดฒเดพเดชเดพเดฐเดฎเตเดชเดฐเตเดฏเดคเตเดคเต†
เดจเดฟเดฐเดพเดถเดชเตเดชเต†เดŸเดพเดคเต†
เดฆเต€เตผเด˜เดชเดฆเด™เตเด™เดณเตเดŸเต†
เดชเดชเตเดชเดพเตป
เดตเตเดฏเดพเดชเตเดคเดคเตเดคเดฟเตฝเดจเดฟเดจเตเดจเต
เดธเตเดตเต‡เดšเตเด›เดพเดงเดฟเดชเดคเดฟเดฏเดฟเดฒเต‡เด•เตเด•เตเดณเตเดณ
เด…เดฎเตเดฎเตบ
เดชเตเด†เด•เตเด•เดฟเดธเตเดฅเดพเดจเดฟเดฒเต‡เดฏเตเด•เตเด•เต
เดคเต—เดฐเตเดฏเดคเตเดฐเดฟเด•
เดคเต‚เตบเดจเดฟเดฐเด•เตพ
เด…เดฏเดฟเดคเตเดคเดพเดšเดพเดฐเด™เตเด™เตพเด•เตเด•เต
เด•เดŸเดคเตเดคเดจเดพเดŸเดฟเดจเตเดฑเต†
เดธเตเดชเต€เดทเต€เดธเดฟเดจเตเดฎเตเดณเตเดณเดคเต
เดŽเดดเตเดคเดฟเดตเดจเตเดจเตเดตเดฒเตเดฒเต‹
เดชเตŠเดŸเตเดŸเดชเตเดชเดพเดฒเดšเตเดšเต†เดŸเดฟ
เดจเดพเดฐเดฏเดฃเดชเตเดชเดฃเดฟเด•เตเด•เดฐเตเดŸเต†
เดธเตˆเด•เตเดฒเดฟเดจเดฟเดฏเด•เตพ
เดกเต‡เดตเดฟเดกเดพเดฃเต
เดตเต€เดฐเด•เต‡เดณเดตเตผเดฎ
เดœเดจเดจเดฟเดฌเดฟเดขเดตเตเดฎเดพเดฏ
เดฌเดฆเดฐเดฟเดฏเดฟเดฒเต†เดคเตเดคเต‡เดฃเตเดŸเดคเต
เดจเดฟเดทเต‡เดงเดพเตผเดคเตเดฅเดธเดนเดฟเดคเดฎเดพเดฏ
เดฌเตเดฒเดพเด•เตเด•เตเดซเตเดฐเดฏเต‡เตผเดธเดฟเตฝ
เดฌเตเดฐเดพเดนเตเดฎเดฃเดฎเต‡เดงเดพเดตเดฟเด•เดณเดพเตฝ
เดตเดฟเดงเดฟเดจเตฝเด•เตเด•เดฏเตเดฃเตเดŸเดพเดฏเดฟ
เดคเดฟเดณเดšเตเดšเตเด•เดฟเดŸเด•เตเด•เตเดจเตเดจ
เดตเดฟเดฆเดฟเดถเดพเดตเดพเดธเดฟเดฏเดพเดฏ
เดจเดฟเดฒเดตเดฟเดฒเดฟเดฐเดฟเด•เตเด•เต†
เดฒเดพเดชเดฟเดฏเดฑเตเดฎเดพเดฏเดฟ
เดฎเดคเดชเดฐเดฎเดพเดฏเด•เดพเดฐเตเดฏเด™เตเด™เดณเดฟเตฝ
เด•เดฒเตเดชเดฟเดšเตเดšเดคเต
เดฎเดฃเดฎเตเดฃเตเดŸเดพเด•เตเดจเตเดจเดคเดฟเดจเต†เดชเตเดชเดฑเตเดฑเดฟ
เด˜เดŸเด•เดคเตเดคเดฟเดจเตเดฑเต‡เดฏเตเด‚
เดชเดพเดšเตเดšเตเด•เดณเตเด‚
เดตเต†เดจเดธเต
เดฒเตเดธเต‹เด™เตเด™เต
เดจเดฆเต€เดคเดŸเดตเตเดฏเดตเดธเตเดฅเดฏเตเด‚
เดถเตเดตเดธเดจเดชเตเดฐเด•เตเดฐเดฟเดฏเดจเดŸเดคเตเดคเตเดจเตเดจเดคเต
เดชเตเดฐเดฏเดคเตเดจเดซเดฒเดฎเดพเดฏเตเด‚
เดตเดฟเดถเตเดตเดธเดฟเด•เตเด•เตเดจเตเดจเตเดตเดฐเตเดฃเตเดŸเต
เดคเตเด•เดฏเตเดŸเต†เดฏเดคเตเดฐ
เด—เต†เดธเต†เดฑเตเดฑเต
เดšเต†เดฒเดตเดดเดฟเดšเตเดšเดคเตเตพเดชเตเดชเต†เดŸเต†
เดชเดพเดฆเดšเดฒเดจเด™เตเด™เดณเต‹เดŸเต†
เดธเด‚เดถเดฏเดพเดฒเตเด•เตเด•เดณเดพเด•เตเด•เตเด•เดฏเตเด‚
เดธเตเดฑเตเดฑเต‹เด•เตเด•เตเดนเต‹เดฎเดฟเดฒเตเด‚
เดถเดคเตเดฐเตเดธเดพเดฎเตเดฐเดพเดœเตเดฏเดคเตเดคเดฟเดจเตเดฑเต†
เดฌเดพเดฒเด—เดฃเดชเดคเดฟเดฏเต†เดฏเตเด‚
เดตเดฟเดšเดพเดฐเดฃเดšเต†เดฏเตเดฏเดพเดจเตเด‚
เดธเดฎเดคเดฒเด‚เด•เตŠเดฃเตเดŸเต
เดฎเดฃเตเดฃเดฟเดฒเต‡เดŸเดคเตเดคเต
เดฌเต€เดนเดพเดฑเดฟเดฏเดพเดฏ
เดถเด•เตเดคเดฟเดนเต€เดจเดคเด•เตŠเดฃเตเดŸเต
เดจเดฟเดถเดพเด•เตเดฒเดฌเตเดฌเดฟเดฒเต†
เดฎเตเดŸเตเดŸเด•เดณเดฟเดฒเต‡เด•เตเด•เต
เด…เดฏเตผเดฒเดฃเตเดŸเดฟเดจเต
เดธเดฟเดฆเตเดงเดฟเดšเตเดšเดฟเดŸเตเดŸเตเดฃเตเดŸเต†เด™เตเด•เดฟเดฒเตเด‚
เด…เดœเดฏเดฟเดจเตเดฑเต†
เดฌเดจเตเดงเดชเตเดชเต†เดŸเตเดŸเตเดจเดฟเตฝเด•เตเด•เตเดจเตเดจ
เดœเต‹เดธเดฟเดจเตเดคเดพเดดเต†
เดชเตเดฐเดคเดฟเดชเดพเดฆเดฟเดšเตเดšเดฟเดŸเตเดŸเตเดณเตเดณเดคเตเดชเตเดฐเด•เดพเดฐเดฎเตเดณเตเดณ
เดจเดฟเดฏเดฎเดฎเดพเด•เตเด•เดฏเตเด‚
เด•เดฅเดชเดฑเดฏเตเดจเตเดจเดคเดฟเตฝ
เดธเดพเดฑเดพเดฎเตเดฎเดฏเตเดŸเต‡เดฏเตเด‚
เดฎเต†เดคเตเดฐเดพเดชเตเดชเต‹เดฒเดฟเดคเตเดคเดฏเต†
เดšเดฟเดฑเด•เดณเตเดฃเตเดŸเดพเดฏเดฟเดฐเตเดจเตเดจเต
เด•เตเดฎเดพเดฐเดจเดพเดถเดพเดจเตŠเดฐเต
เด†เตบเดชเตเดฒเดฟเดฏเตเด‚
เด…เดฌเตเดฌเตเดฐเดพเดนเตเดฎเดฃเตผเด•เตเด•เต
เด…เดŸเดฟเดฎเดฏเต†เด•เตเด•เตŠเดฃเตเดŸเต
เด•เดฐเดฟเด•เตเด•เด‚
เด—เตเดนเด•เดณเดฟเดฒเตเดณเตเดณเดคเต
เดชเดฟเดฑเดตเดฟเด•เตเด•เตŠเดชเตเดชเด‚
เดฐเดฃเตเดŸเตเดฎเดพเดฏเดฟเดฐเตเดจเตเดจเต
เดณเต‡เดฏเตเด‚
เดœเต‹เตผเดœเตเดœเดฟเดฏเด•เตเด•เดพเตผ
เดฎเต‚เดฒเตเดฏเดฎเดพเดฏเดฟเดฐเดฟเด•เตเด•เตเด‚
เดŸเดฟเดจเดฟเดŸเต‹เด‚
เดถเดฌเตเดฆเดฎเดพเดฃเต†เดจเตเดจ
เดฌเดฟเดฐเตเดฆเดฎเต†เดŸเตเดคเตเดคเดฏเดพเดณเดพเดฃเต
เดตเดนเดฟเดšเตเดšเดฟเดฐเตเดจเตเดจเดตเดฐเดพเดฏเดฟเดฐเตเดจเตเดจเต
เดจเตเดฒเดฟเดจเต
เดชเตเดฐเต‹เด—เตเดฐเดพเดฎเตผเด•เตเด•เตเด‚
เด•เดตเดšเด•เด™เตเด™เตพ
เดฎเตพเดŸเตเดŸเดฟเดชเตเดฒเด•เตเดธเดฟเด™เต
เดตเดฟเตฝเดฑเตเดฑเดฃเดฟเดจเตเดฑเต†
เดงเดฎเดจเต€เดฎเตผเดฆเตเดฆเดคเตเดคเต†
เด•เต‡เดจเตเดฆเตเดฐเดชเดฐเดฟเดธเตเดฅเดฟเดคเดฟ
เดตเตˆเดฆเตเดฏเดœเตเดžเดพเดจเดตเตเด‚
เดฎเตˆเด•เตเดฐเต‹เดซเต‹เดฃเดฟเดจเตเดฑเต†
เดฎเต†เดดเตเด•เดฟเดฏเดตเดฏเตเด‚

Citation

If you use this dataset, please refer these papers

@inproceedings{mathew2017benchmarking, 
  title={Benchmarking scene text recognition in Devanagari, Telugu and Malayalam}, 
  author={Mathew, Minesh and Jain, Mohit and Jawahar, CV}, 
  booktitle={2017 14th IAPR international conference on document analysis and recognition (ICDAR)}, 
  volume={7}, 
  pages={42--46}, 
  year={2017}, 
  organization={IEEE} 
} 

@inproceedings{gunna2021transfer, 
  title={Transfer learning for scene text recognition in Indian languages}, 
  author={Gunna, Sanjana and Saluja, Rohit and Jawahar, CV}, 
  booktitle={International Conference on Document Analysis and Recognition}, 
  pages={182--197}, 
  year={2021}, 
  organization={Springer} 
} 

@inproceedings{lunia2023indicstr12, 
  title={IndicSTR12: A Dataset for Indic Scene Text Recognition}, 
  author={Lunia, Harsh and Mondal, Ajoy and Jawahar, CV}, 
  booktitle={International Conference on Document Analysis and Recognition}, 
  pages={233--250}, 
  year={2023}, 
  organization={Springer} 
} 

Feedback form