arvindrajan92/sroie_document_understanding

该数据集是SROIE 2019数据集的增强版本，增加了用于OCR和布局理解的行描述和行总计的标签。

---
license: MIT许可证
dataset_info:
features:
- name: image
dtype: 图像
- name: ocr
list:
- name: box
sequence:
sequence: float64
- name: label
dtype: 字符串
- name: text
dtype: 字符串
splits:
- name: train
num_bytes: 267317016.0
num_examples: 652
download_size: 217146103
dataset_size: 267317016.0
---
# "sroie_document_understanding"数据集卡片

## 目录
- [目录](#table-of-contents)
- [数据集描述](#dataset-description)
- [数据集结构](#dataset-structure)
- [数据字段](#data-fields)
- [数据集构建](#dataset-creation)
- [源数据](#source-data)
- [标注信息](#annotations)
- [附加信息](#additional-information)
- [许可证信息](#licensing-information)
- [贡献致谢](#contributions)

## 数据集描述

本数据集是SROIE 2019数据集的增强版本，新增了适用于光学字符识别（Optical Character Recognition，简称OCR）与版面理解任务的文本行描述及文本行总计标注。

## 数据集结构

python
DatasetDict({
train: Dataset({
features: ['image', 'ocr'],
num_rows: 652
})
})

### 数据字段

python
{
'image': PIL图像对象,
'ocr': [
# 文本框1
{
'box': [[float, float], [float, float], [float, float], [float, float]],
'label': str, # 可选值："other"（其他）、"company"（公司）、"address"（地址）、"date"（日期）、"line_description"（文本行描述）、"line_total"（文本行总计）、"total"（总计）
'text': str
},
...
# 文本框N
{
'box': [[float, float], [float, float], [float, float], [float, float]],
'label': str,
'text': str,
}
]
}

## 数据集构建

### 源数据

本数据集源自[ICDAR2019扫描收据光学字符识别与信息抽取竞赛](https://rrc.cvc.uab.es/?ch=13)

### 标注信息

#### 标注流程

研究人员通过开源标注工具[labelme](https://github.com/wkentaro/labelme)为收据文本行项新增了专属标注。

#### 标注人员

Arvind Rajan（为源数据中的原始文本框添加标注信息）

## 附加信息

### 许可证信息

MIT许可证

### 贡献致谢

感谢[@arvindrajan92](https://github.com/arvindrajan92)贡献本数据集。

原始信息汇总

数据集概述

数据集名称

"sroie_document_understanding"

数据集描述

这是一个SROIE 2019数据集的增强版本，增加了用于OCR和布局理解的行描述和行总计的额外标签。

数据集结构

• 数据集类型: DatasetDict
• 训练集:
  • 特征: [image, ocr]
  • 行数: 652

数据字段

• image: PIL Image对象
• ocr: 列表，包含多个文本框，每个文本框包含:
  • box: 四组浮点数，表示文本框的坐标
  • label: 字符串，可能的值包括 "other", "company", "address", "date", "line_description", "line_total", "total"
  • text: 字符串

数据集大小

• 下载大小: 217146103字节
• 数据集大小: 267317016.0字节

许可证

MIT License