mesolitica/translate-DenseFusion-1M

该数据集是通过将BAAI/DenseFusion-1M数据集翻译成马来语创建的，使用了mesolitica.com的翻译基础模型，并确保翻译后的文本仍然适用于OCR（光学字符识别）。数据集主要用于OCR任务，包含马来语的文本数据。

A nice dataset for OCR with description, detailing the process of translating text to Malay using the mesolitica.com translation model, ensuring the translated text maintains the same OCR characteristics.

原始信息汇总

数据集概述

基本信息

• 名称: translate-DenseFusion-1M
• 别名: mesolitica/translate-DenseFusion-1M
• 描述: 该数据集是从 https://hf-mirror.com/datasets/BAAI/DenseFusion-1M 翻译成马来语的版本，使用的是基于 https://mesolitica.com/translation 的基础模型。这是一个适合 OCR 的优秀数据集，带有描述，确保翻译后的文本也保持相同的 OCR 特性。
• 创建者: Mesolitica
• 关键词: Malay, 100K - 1M, json, Image, Text, Datasets, Dask, Croissant, 🇺🇸 Region: US
• URL: https://hf-mirror.com/datasets/mesolitica/translate-DenseFusion-1M

数据格式

• 分布:

  • 类型: cr:FileObject

  • 名称: repo

  • 描述: HF Mirror git 仓库。

  • 内容 URL: https://hf-mirror.com/datasets/mesolitica/translate-DenseFusion-1M/tree/refs%2Fconvert%2Fparquet

  • 编码格式: git+https

  • 类型: cr:FileSet

  • 名称: parquet-files-for-config-default

  • 描述: 由 HF Mirror 转换的基础 Parquet 文件（参见：https://hf-mirror.com/docs/datasets-server/parquet）。

  • 包含于: repo

  • 编码格式: application/x-parquet

  • 包含: default//.parquet

数据字段

• 记录集:
  • 类型: cr:RecordSet
  • 名称: default
  • 描述: mesolitica/translate-DenseFusion-1M - default 子集
  • 字段:

    • 类型: cr:Field

    • 名称: default/image_id

    • 描述: HF Mirror parquet 文件中的 image_id 列。

    • 数据类型: sc:Text

    • 来源: 从 parquet-files-for-config-default 提取的 image_id 列。

    • 类型: cr:Field

    • 名称: default/caption

    • 描述: HF Mirror parquet 文件中的 caption 列。

    • 数据类型: sc:Text

    • 来源: 从 parquet-files-for-config-default 提取的 caption 列。

    • 类型: cr:Field

    • 名称: default/url

    • 描述: HF Mirror parquet 文件中的 url 列。

    • 数据类型: sc:Text

    • 来源: 从 parquet-files-for-config-default 提取的 url 列。

    • 类型: cr:Field

    • 名称: default/caption_ms

    • 描述: HF Mirror parquet 文件中的 caption_ms 列。

    • 数据类型: sc:Text

    • 来源: 从 parquet-files-for-config-default 提取的 caption_ms 列。

符合标准

• 符合: http://mlcommons.org/croissant/1.0