Ssunbell/boostcamp-docvqa

---
dataset_info:
features:
- name: questionId
dtype: int64
- name: question
dtype: string
- name: image
sequence:
sequence:
sequence:
sequence: uint8
- name: docId
dtype: int64
- name: ucsf_document_id
dtype: string
- name: ucsf_document_page_no
dtype: string
- name: answers
sequence: string
- name: data_split
dtype: string
- name: words
sequence: string
- name: boxes
sequence:
sequence: int64
splits:
- name: train
num_bytes: 6387690838
num_examples: 39463
- name: val
num_bytes: 869953677
num_examples: 5349
download_size: 2583317804
dataset_size: 7257644515
---
# Dataset Card for "boostcamp-docvqa"

[More Information needed](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

数据集信息

特征

• questionId: 数据类型为 int64
• question: 数据类型为 string
• image: 数据类型为 uint8 的序列嵌套序列
• docId: 数据类型为 int64
• ucsf_document_id: 数据类型为 string
• ucsf_document_page_no: 数据类型为 string
• answers: 数据类型为 string 的序列
• data_split: 数据类型为 string
• words: 数据类型为 string 的序列
• boxes: 数据类型为 int64 的序列嵌套序列

数据分割

• train: 包含 39463 个样本，占用 6387690838 字节
• val: 包含 5349 个样本，占用 869953677 字节

数据集大小

• 下载大小: 2583317804 字节
• 数据集大小: 7257644515 字节