Teklia/POPP-line
收藏Hugging Face2025-02-11 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/Teklia/POPP-line
下载链接
链接失效反馈官方服务：
资源简介：
POPP-line数据集包含了20世纪初巴黎的法语民事普查表图像及其对应的文本转录。数据集针对图像到文本的任务，图像经过调整大小处理，每个图像的高度为128像素。该数据集分为训练集、验证集和测试集，共计4794个样本，适用于属性识别、手写文本识别、光学字符识别等任务。
The POPP-line dataset contains French civil census images from Paris in the early 20th century along with their corresponding text transcriptions. The dataset is designed for image-to-text tasks, with images resized to a fixed height of 128 pixels. The dataset is split into training, validation, and test sets, totaling 4794 samples, and is suitable for tasks such as attribute recognition, handwritten text recognition, and optical character recognition.
提供机构：
Teklia
原始信息汇总
POPP - line level 数据集概述
数据集描述
- 数据集名称: POPP-line
- 语言: 法语
- 任务类别: 图像到文本
- 标签: atr, htr, ocr, historical, handwritten
数据集结构
数据实例
json { "image": <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=4300x128 at 0x1A800E8E190>, "text": "Joly Ernest 88 Indre M par Employé Roblot!18377" }
数据字段
image: 包含图像的PIL.Image.Image对象。注意，访问图像列时（使用dataset[0]["image"]），图像文件会自动解码。解码大量图像文件可能需要较长时间，因此建议先查询样本索引再访问"image"列，即dataset[0]["image"]应始终优先于dataset["image"][0]。text: 图像的标签转录。
数据分割
- 训练集: 3834个样本
- 验证集: 479个样本
- 测试集: 478个样本
- 总数据量: 4791个样本
