OCR数据集是指用于训练和测试OCR（光学字符识别）模型的大量标注图像数据。这些数据集通常包含各种不同类型的文本图像，如文档、表格、票据、书籍、路标等，并且每个图像都有对应的标注信息，如字符位置、字符类别等。这些数据集对于OCR技术的研究和应用至关重要，因为它们可以帮助训练出更准确、更高效的OCR模型。

一些公开的OCR数据集包括：

IAM手写数据集：包含大量手写英文文本图像，用于训练和测试手写文本识别模型。

MNIST手写数字数据集：包含大量手写数字图像，用于训练和测试数字识别模型。这是OCR领域最经典的数据集之一。

ICDAR数据集：由国际文档分析和识别会议（International Conference on Document Analysis and Recognition）发布的一系列数据集，包含各种不同类型的文本图像，如文档、表格、自然场景文本等。这些数据集被广泛用于评估OCR算法的性能。

Synthetic Data for Text Localisation in Natural Images：这是一个合成数据集，包含大量自然场景下的文本图像。这些数据是通过计算机生成的，因此可以在需要时轻松扩展数据集大小。

COCO-Text：这是一个大规模的自然场景文本识别数据集，从Microsoft COCO数据集中筛选出来。它包含超过6万张图像和超过17万个文本实例。

对于财务报表OCR识别任务，可能需要针对特定领域的数据集进行训练。一些金融机构或第三方数据提供商可能会提供相关的标注数据集。此外，也可以使用无监督学习或半监督学习方法，利用未标注数据进行预训练或自适应学习，以提高模型在特定任务上的性能。

使用这些数据集时需要遵守相应的使用协议和许可条款。同时，根据具体任务需求，可能需要对数据集进行预处理、增强和定制化操作，以提高模型的识别准确率和泛化能力。