SynthText データ セットは、単語を含む自然シーンの画像で構成されており、主に自然シーンのテキスト検出に使用されます。このデータ セットは、800,000 個の画像と約 800 万の合成単語インスタンスで構成されます。

各テキスト インスタンスには、テキスト文字列、単語レベル、および文字レベルの境界ボックスで注釈が付けられます。

SynthText データセットは、オックスフォード大学工学部視覚幾何学グループの Gupta, A.、Vedaldi, A.、Zisserman, A. によって、2016 年のコンピューター ビジョンとパターン認識 (CVPR) に関する IEEE 会議でリリースされました。