gt_structure_1_4
收藏github2024-05-15 更新2024-05-31 收录
下载链接：
https://github.com/OCR-D/gt_structure_1_4
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是OCR-D Ground Truth Structure corpus的一部分，专门用于标注打印页面的结构。数据集创建于DFG项目OCR-D，并遵循OCR-D-GT-Guideline的结构地面实况转录指南。
This dataset is part of the OCR-D Ground Truth Structure corpus, specifically designed for annotating the structure of printed pages. It was created within the DFG project OCR-D and adheres to the OCR-D-GT-Guideline for structural ground truth transcription.
创建时间：
2022-10-27
原始信息汇总
数据集概述
数据集名称
- 名称: gt_structure_1_4
数据集描述
- 描述: 该数据集是OCR-D Ground Truth Structure corpus的一部分，专注于打印页面的结构标注。数据集的创建源于DFG项目OCR-D。
数据集元数据
- 语言: deu
- 格式: Page-XML
- 时间范围: 1600-1900
- GT类型: data_structure
- 许可证: CC0-1.0
- 转录指南: OCR-D-GT-Guideline, Part: Structure Ground Truth
- 项目: OCR-D
数据集来源
- 转录量统计:
- TxtRegion: 5246
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 95
- TabRegion: 40
- ChartRegion: 0
- SepRegion: 278
- MathRegion: 16
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 1256
转录列表
-
文档: eytelwein_faschinenwerke_1800
- TxtRegion: 90
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 6
- ChartRegion: 0
- SepRegion: 3
- MathRegion: 2
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: dilger_arndes_1620
- TxtRegion: 51
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 0
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 21
-
文档: fabricius_oratorie_1724
- TxtRegion: 124
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 3
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 24
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 27
-
文档: dapper_amerika_1673
- TxtRegion: 185
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 5
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 1
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 26
-
文档: ernst_nordamerika_1820
- TxtRegion: 66
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 6
- ChartRegion: 0
- SepRegion: 22
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: falke_trachten01_1858
- TxtRegion: 88
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 0
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: eichendorff_taugenichts_1826
- TxtRegion: 67
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 0
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: ebeling_betrachtungen04_1747
- TxtRegion: 135
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 5
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 28
-
文档: drude_pflanzengeographie_1890
- TxtRegion: 96
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 9
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: eckermann_goethe02_1836
- TxtRegion: 106
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 1
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 0
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: doyle_fechtkunst_1715
- TxtRegion: 39
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 15
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 2
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 24
-
文档: dronke_polizeigeschichten_1846
- TxtRegion: 98
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 0
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: dohm_juden02_1783
- TxtRegion: 71
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 1
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: ebeling_betrachtungen03_1747
- TxtRegion: 86
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 5
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 27
-
文档: euler_rechenkunst02_1740
- TxtRegion: 136
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 2
- ChartRegion: 0
- SepRegion: 2
- MathRegion: 4
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 25
-
文档: falke_trachten02_1858
- TxtRegion: 90
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 3
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: daumer_krone_1859
- TxtRegion: 49
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 0
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: faulhaber_instrument_1610
- TxtRegion: 157
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 3
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 5
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 24
-
文档: fichte_reden_1808
- TxtRegion: 46
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 2
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: feuerbach_christentum_1841
- TxtRegion: 79
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 33
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: estor_rechtsgelehrsamkeit01_1757
- TxtRegion: 208
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 1
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 3
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 21
-
文档: ercker_aula02_1672
- TxtRegion: 101
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 3
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 1
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 23
-
文档: diesterweg_universitaeten_1836
- TxtRegion: 46
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 1
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: fiedler_kuenstlerische_1887
- TxtRegion: 56
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 0
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion: 0
- TextLine: 0
- Page: 20
-
文档: fichte_wissenschaftslehre_1794
- TxtRegion: 90
- ImgRegion: 0
- LineDrawRegion: 0
- GraphRegion: 0
- TabRegion: 0
- ChartRegion: 0
- SepRegion: 18
- MathRegion: 0
- ChemRegion: 0
- MusicRegion: 0
- AdRegion: 0
- NoiseRegion: 0
- UnknownRegion: 0
- CustomRegion:
搜集汇总
数据集介绍
构建方式
gt_structure_1_4数据集作为OCR-D项目的一部分，专注于印刷页面结构的标注。该数据集的构建基于对1600至1900年间德语文献的页面结构进行详细标注，采用Page-XML格式存储。其构建过程遵循OCR-D-GT-Guideline中的结构标注指南，确保标注的一致性和准确性。通过这种方式，数据集为研究者提供了丰富的页面结构信息，支持OCR技术的进一步优化与研究。
特点
gt_structure_1_4数据集的主要特点在于其专注于页面结构的标注，而非文本内容。该数据集涵盖了多种页面元素，如文本区域、图形区域、表格区域等，共计1256页的标注数据。此外，数据集采用Page-XML格式，便于与其他OCR工具和数据集进行兼容和集成。其开放的CC0-1.0许可证使得研究者可以自由使用和修改数据，极大地促进了相关领域的研究与应用。
使用方法
gt_structure_1_4数据集适用于OCR技术中的页面结构识别与分析任务。研究者可以通过解析Page-XML格式的文件，提取页面中的各种区域信息，如文本区域、图形区域等，用于训练和评估页面结构识别模型。此外，数据集的开放性和详细标注使其成为OCR-D项目中页面结构研究的重要资源，支持多种OCR相关应用的开发与优化。
背景与挑战
背景概述
gt_structure_1_4数据集是OCR-D项目中的一部分，隶属于OCR-D Ground Truth Structure语料库。该数据集专注于对印刷页面结构的标注，创建于德国研究基金会（DFG）资助的OCR-D项目中。其核心研究问题在于提供高质量的页面结构标注，以便于光学字符识别（OCR）技术的改进。该数据集的时间跨度为1600至1900年，涵盖了多种历史文献，对历史文献的数字化处理和OCR技术的发展具有重要意义。
当前挑战
gt_structure_1_4数据集在构建过程中面临多项挑战。首先，历史文献的多样性和复杂性使得页面结构的标注工作异常繁琐，尤其是不同年代的印刷风格和排版方式的差异。其次，数据集的构建需要高度专业化的知识，以确保标注的准确性和一致性。此外，数据集的扩展和修正依赖于社区的反馈，如何有效管理和整合这些反馈也是一个持续的挑战。最后，该数据集的应用领域主要集中在OCR技术的改进，如何进一步提升OCR系统的性能，尤其是在处理复杂页面结构时的表现，是该数据集未来需要解决的关键问题。
常用场景
经典使用场景
gt_structure_1_4数据集在光学字符识别（OCR）领域中，主要用于训练和评估文档页面结构的解析模型。其经典使用场景包括对历史印刷文档的页面布局进行分析，识别文本区域、表格区域、图像区域等不同类型的页面元素。通过该数据集，研究者可以开发和优化OCR系统，使其能够更准确地理解和处理复杂文档的结构信息。
解决学术问题
该数据集解决了OCR领域中长期存在的文档结构解析难题，尤其是在处理历史文档时，如何准确识别和区分不同类型的页面元素。通过提供详细的页面结构标注，gt_structure_1_4为学术界提供了一个标准化的基准，推动了OCR技术的进步。其意义在于，它不仅提升了OCR系统的准确性，还为历史文献的数字化和自动化处理提供了技术支持。
衍生相关工作
基于gt_structure_1_4数据集，研究者们开发了多种OCR相关的算法和工具，推动了文档结构解析技术的发展。例如，一些研究工作利用该数据集进行深度学习模型的训练，提升了页面元素识别的准确性。此外，该数据集还激发了关于历史文档自动标注和结构化数据提取的研究，衍生出了一系列关于文档图像分析和处理的经典工作，进一步丰富了OCR领域的研究成果。
以上内容由遇见数据集搜集并总结生成
