priyank-m/SROIE_2019_text_recognition

---
annotations_creators: []
language:
- en
language_creators: []
license: []
multilinguality:
- monolingual
pretty_name: SROIE_2019_text_recognition
size_categories:
- 10K<n<100K
source_datasets: []
tags:
- text-recognition
- recognition
task_categories:
- image-to-text
task_ids:
- image-captioning
---
This dataset we prepared using the Scanned receipts OCR and information extraction(SROIE) dataset.
The SROIE dataset contains 973 scanned receipts in English language.
Cropping the bounding boxes from each of the receipts to generate this text-recognition dataset resulted in 33626 images for train set and 18704 images for the test set.
The text annotations for all the images inside a split are stored in a metadata.jsonl file.

usage:

from dataset import load_dataset

data = load_dataset("priyank-m/SROIE_2019_text_recognition")

source of raw SROIE dataset:
https://www.kaggle.com/datasets/urbikn/sroie-datasetv2

原始信息汇总

数据集概述

基本信息

• 名称: SROIE_2019_text_recognition
• 语言: 英语（English）
• 多语言性: 单语（monolingual）
• 大小: 10K<n<100K
• 标签:
  • 文本识别（text-recognition）
  • 识别（recognition）

任务相关

• 任务类别: 图像到文本（image-to-text）
• 任务ID: 图像字幕（image-captioning）

数据集构成

• 原始数据: 来自SROIE数据集，包含973份扫描的英文收据。
• 处理后数据: 通过裁剪每份收据的边界框，生成33626张训练图像和18704张测试图像。
• 注释信息: 所有图像的文本注释存储在metadata.jsonl文件中。

数据集来源

• 原始SROIE数据集: 链接