Viet-Wiki-Handwriting

# Dataset Overview
This dataset was constructed from **5796** Vietnamese 🇻🇳 Wikipedia pages, utilizing handwritten fonts to enhance the model's ability to recognize handwritten text. Each image has been analyzed and annotated using advanced Visual Question Answering (VQA) techniques to produce a comprehensive dataset.

Please give us a like ❤️ if you find it useful !

<div align="center">
<img src="https://i.pinimg.com/736x/0a/f9/87/0af987de6a0f7cefcb9350438cd235cb.jpg" width="400"/>
</div>

Label
```
Việt Bắc là một vùng phía Bắc Hà Nội thời kháng chiến chống Pháp (1945-1954) bao trùm nhiều tỉnh ở Bắc Bộ.
Ngày nay nó thường được hiểu là khu vực gồm 6 tỉnh Cao Bằng, Bắc Kạn, Lạng Sơn, Hà Giang, Tuyên Quang, Thái Nguyên hay còn được gọi tắt là Cao - Bắc - Lạng - Hà - Tuyên - Thái.
Việt Bắc được gọi một cách văn hoa là "Thủ đô kháng chiến", bởi đây là nơi trú đóng của đầu não Đảng Cộng sản Việt Nam thời trước khi khởi nghĩa năm 1945,
và là nơi trú đóng của đầu não chính phủ Việt Minh trong thời kỳ kháng chiến chống Pháp (1945 - 1954).
Nó cũng được gọi là "Thủ đô gió ngàn", tên gọi này được bắt nguồn từ bài thơ "Sáng tháng năm" của nhà thơ Tố Hữu
```

<div style="display: grid; grid-template-columns: repeat(8, 150px); grid-gap: 10px;">
<img src="https://i.pinimg.com/736x/fc/c9/6f/fcc96fe26659115f53e3dfc1afd46b49.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/30/07/01/300701372e58bcbe9923b9997f056bc7.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/dc/17/a6/dc17a67416cfb92a8e32c5a7c1968e09.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/a5/ae/3d/a5ae3deecebdc6ec0eeca03664fe2309.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/2e/3c/bf/2e3cbf86fd069ecc7dacb6907531382a.jpg" style="width: 150px;">
</div>

# Cite

```
@misc{doan2024vintern1befficientmultimodallarge,
title={Vintern-1B: An Efficient Multimodal Large Language Model for Vietnamese},
author={Khang T. Doan and Bao G. Huynh and Dung T. Hoang and Thuc D. Pham and Nhat H. Pham and Quan T. M. Nguyen and Bang Q. Vo and Suong N. Hoang},
year={2024},
eprint={2408.12480},
archivePrefix={arXiv},
primaryClass={cs.LG},
url={https://arxiv.org/abs/2408.12480},
}
```

# 数据集概览
本数据集基于**5796**篇越南语🇻🇳维基百科页面构建，通过引入手写字体图像以提升模型的手写文本识别能力。所有图像均通过先进的视觉问答（Visual Question Answering, VQA）技术进行分析与标注，最终形成完备的数据集。

若本数据集对您有所帮助，恳请点赞支持 ❤️！

<div align="center">
<img src="https://i.pinimg.com/736x/0a/f9/87/0af987de6a0f7cefcb9350438cd235cb.jpg" width="400"/>
</div>

## 标注

越北是1945年至1954年法越抗法战争时期河内以北的一片区域，涵盖越南北部诸多省份。如今其通常指代由高平、北𣴓、谅山、河江、宣光、太原六省组成的区域，亦简称"高-北-谅-河-宣-太"。越北被雅称为"抗法首都"，因为这里是1945年八月革命前越南共产党中央机关的驻扎地，同时也是法越抗法战争时期越南独立同盟临时政府中央机关的驻扎地。它也被称为"千风之都"，这一别称源自诗人素友（Tố Hữu）的诗作《五月的清晨》（Sáng tháng năm）。

<div style="display: grid; grid-template-columns: repeat(8, 150px); grid-gap: 10px;">
<img src="https://i.pinimg.com/736x/fc/c9/6f/fcc96fe26659115f53e3dfc1afd46b49.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/30/07/01/300701372e58bcbe9923b9997f056bc7.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/dc/17/a6/dc17a67416cfb92a8e32c5a7c1968e09.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/a5/ae/3d/a5ae3deecebdc6ec0eeca03664fe2309.jpg" style="width: 150px;">
<img src="https://i.pinimg.com/736x/2e/3c/bf/2e3cbf86fd069ecc7dacb6907531382a.jpg" style="width: 150px;">
</div>

# 引用

@misc{doan2024vintern1befficientmultimodallarge,
title={Vintern-1B: An Efficient Multimodal Large Language Model for Vietnamese},
author={Khang T. Doan and Bao G. Huynh and Dung T. Hoang and Thuc D. Pham and Nhat H. Pham and Quan T. M. Nguyen and Bang Q. Vo and Suong N. Hoang},
year={2024},
eprint={2408.12480},
archivePrefix={arXiv},
primaryClass={cs.LG},
url={https://arxiv.org/abs/2408.12480},
}