Thai OCR Corpus ฐานข้อมูลภาพสำหรับพัฒนาโปรแกรมรู้จำตัวอักษรภาษาไทย แบ่งเป็น

1. ชุดฝึกฝน (Training set) ประกอบด้วยภาพอักษรภาษาไทยประเภท BMP จำนวน 162 ตัวอักษร แต่ละตัวอักษรมี 5,000 รูปแบบ รวมทั้งสิ้น 810,000 รูปแบบ
2. ชุดทดสอบ (Test set) เป็นเป็นไฟล์ภาพเอกสารภาษาไทยประเภท JPG แบ่งเป็น 5 หมวด คือ หนังสือ หนังสือพิมพ์ วารสาร จดหมายราชการ และวารสารวิชาการ จำนวนหมวดละ 100 หน้า