弯曲文本检测是文本检测任务中的一个重要方向，常用的公开评测数据集包括以下几类：

                                                        表1 常用弯曲本文数据集

1. scut-ctw1500

该数据集由华南理工大学金连文团队提出，包含了1500张图像，10751个文本框标注，其中每张图像至少包含一个弯曲的文本。数据来源于互联网收集，图像包含了谷歌Open-image和手机摄像头数据。文本方向包含水平文本，倾斜文本、任意形状文本。在分布上多种多样，包括室内外场景，有模糊，透视，畸变等现象。数据集为多语言，包含了中文和英文数据。其数据示例如下所示：

                                                                                       图1 scut-ctw1500

2 total-text

total-text数据集是由马来西亚大学陈志胜团队在2017年提出，包含1555张图像，其中1255张用训练，300张用于测试。数据集图像来自于真实场景，包含了室内室外多种场景。文本方向分布上包含大量的常规文本，同时每张图像都至少由一个弯曲文本。在标注上采用的是基于单词级别的多边形标注以及像素级别的标注。数据集语言仅包含了英文文本。其数据示例图如下所示：

                                                                 图2 total-text

3 icdar2019-ArT

ICDAR 2019-ArT 数据集由 Total-Text、SCUT-CTW 1500和百度非规则文字数据集组成，总计10176张，是目前业内最大的任意形状场景文字数据集。每张图像至少包含了一个弯曲文本，在标注上采用多点标注。语言上包含中文和英文。其数据示例如下图所示：

                                                                                             图3 icdar2019-art

同时，它是2019年icdar赛事中art任务的数据集，目前在该数据集上，处于精度前列的方法如下表所示：

                                                   表2 icdar2019-art数据集排名