PubMed Central Figures Dataset包含从PubMed Central库中的论文提取的图像-文本对，用于训练CLIP模型。数据集以Parquet文件形式存储，包含WebDataset的元数据，但图像本身未提供，需要通过论文ID和文件名从FTP服务器获取。此外，数据集还包含一个NumPy文件，用于去除与DataComp评估数据重复的样本。

Hugging Face2023-11-09 更新620

Teklia/NewsEye-Austrian-line

文档处理

文本识别

--- license: mit language: - de task_categories: - image-to-text pretty_name: NewsEye-Austrian-line dataset_info: features: - name: image dtype: image - name: text dtype: string splits

Hugging Face2024-03-14 更新180

faded_train_001.tar.gz

资源简介：

相关数据集