jinho8345/funsd

---
dataset_info:
features:
- name: img
dtype: image
- name: filename
dtype: string
- name: boxes
sequence:
sequence: int64
- name: labels
sequence: string
- name: words
list:
list:
- name: box
sequence: int64
- name: text
dtype: string
- name: linkings
sequence:
sequence:
sequence: int64
- name: ids
sequence: int64
splits:
- name: train
num_bytes: 13690247.0
num_examples: 149
- name: test
num_bytes: 4885049.0
num_examples: 50
download_size: 16731921
dataset_size: 18575296.0
---
# Dataset Card for "funsd"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
数据集信息：
特征列表：
- 名称：img，数据类型：图像
- 名称：filename，数据类型：字符串
- 名称：boxes，类型为序列，其元素为64位整数序列
- 名称：labels，类型为字符串序列
- 名称：words，类型为嵌套列表，其每个子列表包含两个字段：`box`（64位整数序列）与`text`（字符串类型）
- 名称：linkings，类型为三级64位整数序列，即序列的序列的序列
- 名称：ids，类型为64位整数序列
数据集划分：
- 名称：训练集（train），占用字节数：13690247.0，样本数量：149
- 名称：测试集（test），占用字节数：4885049.0，样本数量：50
下载总大小：16731921 字节
数据集总大小：18575296.0 字节
---
# 「FUNSD」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

数据集特征

• img: 图像数据类型
• filename: 字符串数据类型
• boxes: 序列类型，内部序列为整数64位
• labels: 序列类型，内部序列为字符串
• words: 列表类型，内部列表包含两个元素：
  • box: 序列类型，内部序列为整数64位
  • text: 字符串数据类型
• linkings: 序列类型，内部序列为序列类型，内部序列为整数64位
• ids: 序列类型，内部序列为整数64位

数据集分割

• train:
  • 数据量: 13690247.0 字节
  • 示例数量: 149
• test:
  • 数据量: 4885049.0 字节
  • 示例数量: 50

数据集大小

• 下载大小: 16731921 字节
• 数据集总大小: 18575296.0 字节

搜集汇总

背景与挑战

背景概述

该数据集是一个小型表单理解数据集，包含199个样本，分为149个训练样本和50个测试样本。数据集提供了图像文件名、文本框坐标、文本内容及其标签（如'question'、'answer'、'header'等），适用于表单文档的分析和理解任务。