Sachin-179/donut-docvqa-invoice

---
dataset_info:
features:
- name: id
dtype: string
- name: image
dtype: image
- name: query
struct:
- name: de
dtype: string
- name: en
dtype: string
- name: es
dtype: string
- name: fr
dtype: string
- name: it
dtype: string
- name: answers
sequence: string
- name: words
sequence: string
- name: bounding_boxes
sequence:
sequence: float32
length: 4
- name: answer
struct:
- name: match_score
dtype: float64
- name: matched_text
dtype: string
- name: start
dtype: int64
- name: text
dtype: string
- name: ground_truth
dtype: string
splits:
- name: train
num_bytes: 379619552.0
num_examples: 1000
- name: test
num_bytes: 70528424.0
num_examples: 200
download_size: 153430950
dataset_size: 450147976.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
---

原始信息汇总

数据集概述

数据集特征

• id: 字符串类型
• image: 图像类型
• query: 结构化数据，包含以下字段：
  • de: 字符串类型
  • en: 字符串类型
  • es: 字符串类型
  • fr: 字符串类型
  • it: 字符串类型
• answers: 字符串序列
• words: 字符串序列
• bounding_boxes: 序列，包含序列化的浮点数（float32），长度为4
• answer: 结构化数据，包含以下字段：
  • match_score: 双精度浮点数（float64）
  • matched_text: 字符串类型
  • start: 长整型（int64）
  • text: 字符串类型
• ground_truth: 字符串类型

数据集分割

• train:
  • 数据量: 379619552.0 字节
  • 示例数量: 1000
• test:
  • 数据量: 70528424.0 字节
  • 示例数量: 200

数据集大小

• 下载大小: 153430950 字节
• 数据集总大小: 450147976.0 字节

数据文件配置

• default 配置:
  • train 数据文件路径: data/train-*
  • test 数据文件路径: data/test-*