IIIT-Synthetic-IndicSTR-Punjab

Language

Punjabi

Modality

Scene Text

Details Description

The IIIT-Synthetic-IndicSTR-Punjabi 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 1,81,236 Punjabi 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 1,81,236 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
เจฐเฉŒเจœเจฐ
เจฎเจนเจพเจฒเจจเฉ‹เจฌเจฟเจธ
เจธเจฒเจฟเจฎ
เจฎเฉ‡เจฒเจพเจ…เจคเฉ‡
เจ†เจ•เจธเจผเจจ
เจฎเจธเฉ‚เจฒเฉ€เจชเจŸเจจเจฎ
เจฒเจพเจ‚เจ—เจซเฉˆเจฒเฉ‹
เจ•เจพเจ—เจผเจœเจผเจพเจ‚
เจฒเจพเจ“เจฐเฉ€เจ…เจฒ
เจฐเจฟเจซเจเจ•เฉเจธ
เจฐเฉ‹เจฎเจพเจจเฉ‹เจตเจพ
เจคเจ•เจจเจพเจฒเจœเฉ€
เจคเฉฐเจ—เจจเจœเจฐ
เจฌเจพเจฐเจฌเจฐเฉ€
เจฌเจฟเจฒเฉ€เจฌเฉ‹เจฐเจก
เจฏเฉ‚เจจเฉ€เจŸเจฐเฉ€
เจธเจผเฉ‹เฉเจฐเจฎเจฃเฉ€
เจธเฉ‡เจฎเจฟเจ“เจจเฉ‹เจตเจฟเจš
เจฒเจพเจ‡เจฌเจฒ
เจธเฉ€เจŠเจฃ
เจชเฉเจฐเจตเฉเจฐเจคเฉ€
เจฎเฉŒเจฐเจŸเจฟเจธ
เจšเฉฐเจฆเจตเจพ
เจญเฉ‹เจœเฉ‡เจตเจพเจฒ
เจธเจฆเฉ€เจ“เจ‚
เจธเจผเฉ‡เจกเจธ
เจคเฉเจฒเจฟเจ†
เจญเจฆเฉ‹เจนเฉ€
เจ•เจจเจจเฉ€เจœเจผ
เจธเฉ‚เจฐ
เจฆเฉˆเจตเฉ€เจ•เฉเจฐเจฟเจค
เจ•เฉฐเจจเจŸเฉ‹เจช
เจ—เจพเจ‰เจ‚เจฆเฉ€
เจตเจฟเจ—เจฟเจ†เจจ
เจชเจฐเจฟเจ•เจธ
เจฌเจฟเจธเจฎเจฟเจฒเฉเจนเจพ
เจจเจฟเจคเฉ€เจจ
เจฆเจฌเฉœเฉเจนเฉ€เจ–เจพเจจเจพ
เจชเฉเฉฑเจ›เจ—เจฟเฉฑเจ›เจพเจ‚
เจ…เจฒเฉ‹เจ•
เจญเจพเจˆเจšเจฐเฉ‡
เจจเจพเจตเจฒเจ•เจพเจฐ
เจ…เจกเจœเฉ‡เจ•เจŸเจฟเจตเจธ
เจจเจฟเฉ‚เจ•เฉˆเจธเจฒ
เจธเจฟเจฐเจตเจคเฉ€
เจ•เจตเจพเจจเจพเจ—
เจชเจพเจฐเจฎเจพ
เจ‰เจธเจ‚เจฆเฉ‡
เจŸเฉ‹เจŸเจฎเจพ
เจœเฉ€เจธเฉ€เจ†
เจ–เจฐเฉ€เจฆเจฆเจพเจฐเจพเจ‚
เจ—เฉ‹เจฒเจ•เจชเจฐ
เจฎเจคเจฆเจพเจคเจพ
เจ—เจฟเจจเจฟเจธ
เจฒเฉเจญเจพเจตเจฃเฉ€เจ†เจ‚
เจเจชเจฟเจกเจฐเจฟเจฎเจฟเจธ
เจ…เจตเจฟเจงเจพเจจเจฟเจ•
เจธเจฟเจธเจคเจพเจจ
เจจเจพเจฎเจฃเจพ
เจจเฉŒเจ•เจพ
เจคเจฐเฉ‹เจคเจธเจ•เฉ€เจ
เจฆเฉเฉฑเจชเจŸเจพ
เจธเฉŒเจคเฉ‡เจฒเฉ€
เจ•เฉเจฆเจฐเจค
เจ•เฉˆเจชเจฐเฉ€
เจ•เฉเจฐเจฟเจ•เฉ€เจจเจซเฉ‹
เจธเฉˆเจ•เฉ‡เจŸเจฐเฉ€
เจชเฉเจธเจคเจ•เจพ
เจฐเฉ‚เจจเจพ
เจซเจผเจฐเฉŒเจ‚เจธเฉˆเจœเจผ
เจคเจฟเฉฑเจฒเฉ‹เจคเจฎเจพ
เจฎเจนเจพเจฎเจนเฉ‹เจชเจพเจงเจฟเจ†เจ
เจธเจผเฉเจฆเจพเจˆ
เฉจเฉฆเฉฌเจตเจพเจ‚
เจนเจพเจœเจผเฉ€เจชเฉเจฐ
เจนเจฐเจฆเจ
เจฌเจพเจ‚เจฆเจฐเฉ‡
เจธเจพเจœเจผเจฟเจธเจผเจ•เจพเจฐ
เจชเจฐเจฟเจตเจฐเจคเจจเจ•เจพเจฒ
เจชเจ›เจพเฉœเจฆเจฟเจ†เจ‚
เจฌเจพเจกเจจ
เจ˜เฉเจฐเจฟเจฃเจค
เจนเจฒเจซเจผเจพเจˆ
เจจเจฟเจฏเฉเจ•เจŸเฉ€
เจธเจนเฉ€เจธเจฒเจพเจฎเจค
เจœเฉ‹เจนเจฒ
เจœเจฟเจฌเจฐเจพเจฒเจŸเจฐ
เจนเจฎเจฆเจพเจจเฉ€
เจ‰เจนเจคเจนเจฟเจฒเจ•เจพ
เจฌเจฐเฉŒเจกเจตเฉเจก
เจธเจฅเจพเจˆเจญเจพเจต
เจ‰เจธเจฆ
เจธเจฎเจเจพเจ‰เจ‚เจฆเจพ
เจ…เจ—เจฎเจพ
เจ–เจพเจจเจพเจฌเจฆเฉŒเจธเจผ
เจฆเฉ‡เจˆเจ‚
เจธเจฎเจคเฉ‹เจฒเจ•เจพเจ‚
เจฆเฉ‡เจนเจฒเจตเฉ€
เจจเจตเจพเจฐเฉ€
เจฒเฉ‚เจช

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