miikatoi/DocLayNet-tiny

DocLayNet-tiny是一个基于DocLayNet-small数据集的小规模版本，用于单元测试。该数据集包含训练集、验证集和测试集，每个集合都有相应的文件路径和示例数量。数据集的特征包括文本、图像、页面信息等，并且每个特征都有详细的数据类型和结构描述。

原始信息汇总

数据集概述

数据集配置

• 配置名称: default
• 数据文件路径:
  • 训练集: data/train-*
  • 验证集: data/validation-*
  • 测试集: data/test-*

数据集信息

• 特征:
  • id: 字符串类型
  • texts: 字符串序列
  • bboxes_block: 整数64位序列的序列
  • bboxes_line: 整数64位序列的序列
  • categories: 类别标签序列，包含以下类别:
    • 0: Caption
    • 1: Footnote
    • 2: Formula
    • 3: List-item
    • 4: Page-footer
    • 5: Page-header
    • 6: Picture
    • 7: Section-header
    • 8: Table
    • 9: Text
    • 10: Title
  • image: 图像类型
  • page_hash: 字符串类型
  • original_filename: 字符串类型
  • page_no: 整数32位
  • num_pages: 整数32位
  • original_width: 整数32位
  • original_height: 整数32位
  • coco_width: 整数32位
  • coco_height: 整数32位
  • collection: 字符串类型
  • doc_category: 字符串类型

数据集分割

• 训练集:
  • 字节数: 28393556.512301013
  • 样本数: 70
• 验证集:
  • 字节数: 2641091.359375
  • 样本数: 7
• 测试集:
  • 字节数: 1779922.857142857
  • 样本数: 5

数据集大小

• 下载大小: 31476812
• 数据集大小: 32814570.72881887