SynthText 数据集由包含单词的自然场景图像组成，其主要运用于自然场景中的文本检测，该数据集由 80 万个图像组成，大约有 800 万个合成单词实例。

每个文本实例均使用文本字符串、字级和字符级边界框进行注释。

SynthText 数据集由牛津大学工程科学系视觉几何组的 Gupta, A. and Vedaldi, A. and Zisserman, A. 于 2016 年在 IEEE 计算机视觉和模式识别会议 (CVPR) 上发布。