Teklia/NorHand-v2-line

NorHand v2数据集包含19世纪和20世纪初的挪威信件和日记行图像及文本。所有图像都被调整为128像素的固定高度。数据集的语言为挪威博克马尔语。数据实例包括图像和对应的文本标签。

原始信息汇总

NorHand v2 - line level 数据集概述

数据集描述

NorHand v2 数据集包含19世纪和20世纪初的挪威信件和日记行图像及文本。所有图像都被调整为固定高度128像素。

语言

数据集中的所有文档均以挪威博克马尔语（Norwegian Bokmål）书写。

数据集结构

数据实例

json { "image": <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=4300x128 at 0x1A800E8E190>, "text": "og Hjertelighed" }

数据字段

• image: 一个包含图像的PIL.Image.Image对象。注意，当访问图像列（使用dataset[0]["image"]）时，图像文件会自动解码。解码大量图像文件可能需要大量时间，因此建议先查询样本索引再访问“image”列，即dataset[0]["image"]应始终优先于dataset["image"][0]。
• text: 图像的标签转录文本。

数据集信息

• 特征:
  • image: 图像类型，数据类型为图像。
  • text: 文本类型，数据类型为字符串。
• 分割:
  • train: 训练集，包含145008个样本。
  • validation: 验证集，包含14965个样本。
  • test: 测试集，包含1792个样本。
• 数据集大小: 161831个样本。
• 标签:
  • atr
  • htr
  • ocr
  • historical
  • handwritten