CoVA (CoVA dataset for Webpage Object Detection / Information Extraction)

我们标记了跨越 408 个域（亚马逊、沃尔玛、Target 等）的 7,740 个网页截图。这些网页中的每一个都只包含一个标有价格、标题和图像的标签。所有其他 Web 元素都标记为背景。平均而言，一个网页中有 90 个 Web 元素。 网页截图和边界框可以在这里获取 训练验证测试拆分 我们创建了一个跨域拆分，以确保每个训练集、验证集和测试集都包含来自不同域的网页。具体来说，我们根据不同域的数量构建了一个 3 : 1 : 1 的分割。我们观察到排名前 5 的域名（基于样本数量）是 Amazon、EBay、Walmart、Etsy 和 Target。因此，我们为 5 折交叉验证创建了 5 个不同的拆分，以便每个主要域都存在于测试数据的 5 个拆分之一中。