c3rl/IIIT-INDIC-HW-WORDS-Tamil

该数据集包含由不同人书写的泰米尔语手写单词的图像及其对应的文本。数据集最初由IIIT Hyderabad的视觉信息技术中心（CVIT）开发，并已转换为Parquet格式，以便在现代机器学习工作流程中使用。该数据集主要针对泰米尔语手写单词的识别，旨在推动印度文字手写文本识别技术的研究和开发。

原始信息汇总

IIIT-INDIC-HW-WORDS-Tamil 数据集概述

数据集信息

• 语言: 泰米尔语 (ta), 英语 (en)
• 特征:
  • image: 图像数据类型
  • text: 字符串数据类型
• 分割:
  • train: 训练集，包含 75736 个样本，大小为 3849964025.456 字节
  • validation: 验证集，包含 11598 个样本，大小为 572073400.404 字节
  • test: 测试集，包含 16184 个样本，大小为 812124493.88 字节
• 下载大小: 5161992903 字节
• 数据集总大小: 5234161919.74 字节

配置

• 配置名称: default
• 数据文件路径:
  • train: data/train-*
  • validation: data/validation-*
  • test: data/test-*

数据集描述

该数据集包含由不同人类书写的泰米尔语手写单词图像及其对应的文本。数据集最初由海得拉巴国际信息技术学院 (IIIT Hyderabad) 的视觉信息技术中心 (CVIT) 开发，现已转换为 Parquet 格式，以便于在现代机器学习工作流程中使用。该数据集主要针对泰米尔语手写单词的识别，旨在推动印度手写文本识别技术的发展。