arnaudstiegler/synthetic_us_passports_easy

该数据集名为合成美国护照(简单版)，专为视觉问答任务设计。数据集包含合成生成的美国护照图像，每张图像附带多种属性，如图像、类型、代码、护照号码、姓氏、名字、国籍、出生日期、出生地、性别、签发日期、签发机关、到期日期和背书。数据集分为训练集和测试集，分别包含9750和160个样本。此外，还有一个使用Augraphy增强的姐妹数据集，用于更复杂的场景。合成数据的生成过程涉及使用空白文档模板，填充数据后，将图像以随机倾斜的方式粘贴到更大的背景上。

原始信息汇总

数据集概述

基本信息

• 名称: Synthetic US Passports (easy)
• 语言: 英语
• 许可证: Apache-2.0
• 大小分类: 1K<n<10K
• 任务分类: 视觉问答
• 标签: 文档, DocumentAI, 合成

数据集特征

• image: 图像类型
• Type: 字符串类型
• Code: 字符串类型
• Passport_Number: 整数类型
• Surname: 字符串类型
• Given_Names: 字符串类型
• Nationality: 字符串类型
• DOB: 字符串类型
• Place_of_Birth: 字符串类型
• Sex: 字符串类型
• Date_of_Issue: 字符串类型
• Authority: 字符串类型
• Date_of_Expiration: 字符串类型
• Endorsements: 字符串类型

数据集拆分

• 训练集: 9750个样本，总大小29247995212.75字节
• 测试集: 160个样本，总大小511687840.0字节

下载与数据集大小

• 下载大小: 29732184525字节
• 数据集总大小: 29759683052.75字节

配置

• 默认配置:
  • 训练数据路径: data/train-*
  • 测试数据路径: data/test-*