five

SEACrowd/sleukrith_ocr

收藏
Hugging Face2024-06-24 更新2024-06-29 收录
下载链接:
https://hf-mirror.com/datasets/SEACrowd/sleukrith_ocr
下载链接
链接失效反馈
官方服务:
资源简介:
SleukRith Ocr数据集是第一个专门为高棉棕榈叶手稿创建的数据集。该数据集包含657页数字化棕榈叶手稿的注释数据,这些手稿是从大量现有和最近数字化的图像中任意选择的。数据集包含三种类型的数据:孤立字符、单词和行。每种类型的数据都带有真实注释信息,这对于评估和作为字符/文本识别、单词/行分割和单词定位等常见文档分析任务的训练集非常有用。数据集的标签从0到110编号,每个编号对应一个独特的字符。

SleukRith Ocr数据集是第一个专门为高棉棕榈叶手稿创建的数据集。该数据集包含657页数字化棕榈叶手稿的注释数据,这些手稿是从大量现有和最近数字化的图像中任意选择的。数据集包含三种类型的数据:孤立字符、单词和行。每种类型的数据都带有真实注释信息,这对于评估和作为字符/文本识别、单词/行分割和单词定位等常见文档分析任务的训练集非常有用。数据集的标签从0到110编号,每个编号对应一个独特的字符。
提供机构:
SEACrowd
原始信息汇总

Sleukrith Ocr 数据集概述

基本信息

  • 名称: Sleukrith Ocr
  • 语言: 高棉语 (khm)
  • 任务类别: 光学字符识别 (Optical Character Recognition)
  • 标签: 光学字符识别
  • 许可证: 未知

数据集描述

SleukRith Set 是首个专门为高棉棕榈叶手稿创建的数据集。该数据集包含从657页数字化棕榈叶手稿中任意选择的注释数据。数据集包含三种类型的数据:孤立字符、单词和行。每种类型的数据都带有地面真值信息,这对于评估和作为常见文档分析任务(如字符/文本识别、单词/行分割和单词定位)的训练集非常有用。

字符映射(每个标签)在数据集主页中未作解释,因此标签仅从0到110编号,每个编号对应一个独特的字符。

支持的任务

  • 光学字符识别

数据集版本

  • 源版本: 1.0.0
  • SEACrowd版本: 2024.06.20

引用

如果您在工作中使用了 Sleukrith Ocr 数据加载器,请引用以下内容:

@inproceedings{10.1145/3151509.3151510, author = {Valy, Dona and Verleysen, Michel and Chhun, Sophea and Burie, Jean-Christophe}, title = {A New Khmer Palm Leaf Manuscript Dataset for Document Analysis and Recognition: SleukRith Set}, year = {2017}, isbn = {9781450353908}, publisher = {Association for Computing Machinery}, address = {New York, NY, USA}, url = {https://doi.org/10.1145/3151509.3151510}, doi = {10.1145/3151509.3151510}, booktitle = {Proceedings of the 4th International Workshop on Historical Document Imaging and Processing}, pages = {1-6}, numpages = {6}, location = {Kyoto, Japan}, series = {HIP 17} }

@article{lovenia2024seacrowd, title={SEACrowd: A Multilingual Multimodal Data Hub and Benchmark Suite for Southeast Asian Languages}, author={Holy Lovenia and Rahmad Mahendra and Salsabil Maulana Akbar and Lester James V. Miranda and Jennifer Santoso and Elyanah Aco and Akhdan Fadhilah and Jonibek Mansurov and Joseph Marvin Imperial and Onno P. Kampman and Joel Ruben Antony Moniz and Muhammad Ravi Shulthan Habibi and Frederikus Hudi and Railey Montalan and Ryan Ignatius and Joanito Agili Lopo and William Nixon and Börje F. Karlsson and James Jaya and Ryandito Diandaru and Yuze Gao and Patrick Amadeus and Bin Wang and Jan Christian Blaise Cruz and Chenxi Whitehouse and Ivan Halim Parmonangan and Maria Khelli and Wenyu Zhang and Lucky Susanto and Reynard Adha Ryanda and Sonny Lazuardi Hermawan and Dan John Velasco and Muhammad Dehan Al Kautsar and Willy Fitra Hendria and Yasmin Moslem and Noah Flynn and Muhammad Farid Adilazuarda and Haochen Li and Johanes Lee and R. Damanhuri and Shuo Sun and Muhammad Reza Qorib and Amirbek Djanibekov and Wei Qi Leong and Quyet V. Do and Niklas Muennighoff and Tanrada Pansuwan and Ilham Firdausi Putra and Yan Xu and Ngee Chia Tai and Ayu Purwarianti and Sebastian Ruder and William Tjhi and Peerat Limkonchotiwat and Alham Fikri Aji and Sedrick Keh and Genta Indra Winata and Ruochen Zhang and Fajri Koto and Zheng-Xin Yong and Samuel Cahyawijaya}, year={2024}, eprint={2406.10118}, journal={arXiv preprint arXiv: 2406.10118} }

5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作