mychen76/cord-ocr-text-v2

---
dataset_info:
features:
- name: file_name
dtype: string
- name: ocr_kie
dtype: string
- name: ocr_text
dtype: string
- name: ocr_box
dtype: string
splits:
- name: train
num_bytes: 1796452
num_examples: 800
download_size: 887206
dataset_size: 1796452
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---
# Dataset Card for "cord-ocr-text-v2"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
数据集信息：
特征：
- 名称：文件名（file_name），数据类型：字符串（string）
- 名称：OCR关键信息提取（ocr_kie），数据类型：字符串（string）
- 名称：OCR文本（ocr_text），数据类型：字符串（string）
- 名称：OCR文本框（ocr_box），数据类型：字符串（string）
数据划分：
- 名称：训练集（train），字节占用量：1796452，样本数量：800
下载大小：887206
数据集总大小：1796452
配置项：
- 配置名称：默认配置（default），数据文件：
- 划分集：训练集（train），路径：data/train-*
---
# 「cord-ocr-text-v2」数据集卡片
[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集信息

• 特征列表:
  • file_name: 文件名，数据类型为字符串。
  • ocr_kie: OCR关键信息提取，数据类型为字符串。
  • ocr_text: OCR文本，数据类型为字符串。
  • ocr_box: OCR边界框，数据类型为字符串。

数据分割

• 训练集:
  • 文件大小: 1796452 字节
  • 样本数量: 800 个

数据集大小

• 下载大小: 887206 字节
• 实际大小: 1796452 字节

配置

• 默认配置:
  • 数据文件路径: data/train-*