Statistics of text (word) regions and figures with combination of categories.

NIAID Data Ecosystem2026-03-08 收录

数据链接：

https://figshare.com/articles/dataset/_Statistics_of_text_word_regions_and_figures_with_combination_of_categories_/1408372 数据链接链接失效反馈

官方服务：

资源简介：

Statistics of text (word) regions and figures with combination of categories.

创建时间：

2015-05-07

Doraemon-AI/pdf-layout-chinese

版面分析

计算机视觉

pdf-layout-chinese是一个中文文档版面分析数据集，专注于中文文献类（如论文）场景。数据集包含10个标签：正文、标题、图片、图片标题、表格、表格标题、页眉、页脚、注释和公式。数据集包含5000张训练集和1000张验证集，每张图片对应一个同名的JSON格式标注文件。标注工具使用labelme，支持多边形标注。

Hugging Face2024-04-18 更新3040

藏文文献版面分析训练测试数据集

藏文文献

版面分析

通过激光扫描仪扫描或收集已扫描拍照的藏文文献原始图片，采用开源的标注工具，在原始图片上进行版面信息标注。共扫描、收集并标注藏文文献版面分析标注数据6000张。每个数据样本包含原始图片.jpg文件和文本块位置标注信息.xml文件，数据完整。

国家基础学科公共科学数据中心380

SemanticExtraction/dataset_v2_classified

文档图像文本识别

版面分析

--- dataset_info: features: - name: key dtype: string - name: image dtype: image - name: json struct: - name: images_bbox sequence: sequence: float64 - name:

Hugging Face2024-08-01 更新90

版面结构分析数据集

文档图像处理

版面分析

版面结构分析任务（习惯称为Document Layout Analysis，简称DLA）以文档图像为输入，输出得到文档图像中的各类元素及其位置。其中版面元素的类别有以下七个：正文文本、章节标题、行间公式、文档插图、文档附表、浮动标题、其他类型。正文文本在标注时，以一个段落为一个元素，多个段落标为多个正文文本元素。

魔搭社区2026-07-07 更新520

图片版面分析标注数据

版面分析

光学字符识别

本数据集主要应用于光学图像识别（OCR）领域的模型训练。数据内容是对各行业搜集到的开源图片进行专业规范的人工标注，从图片中标注出标题、正文、图片、页眉、页脚、表格、目录、公式等。图片涉及到的领域众多，包括报纸、政府公开文件、各类报告、海报、手稿、表格、营业执照、荣誉证书等。内容形式多样，适用性广。

江苏数据交易所150