AlFrauch/im2latex

该数据集是一组图像与其对应的LaTeX表达式代码对的集合。这些对是通过分析超过100,000篇自然科学和数学文章生成的，并且已经去除了重复项。数据集中包含约1,500,000张图像。

原始信息汇总

数据集卡片 for Dataset Name

数据集描述

数据集摘要

该数据集包含图像及其对应的LaTeX代码表达式的配对。这些配对是通过分析超过100,000篇自然科学和数学文章并生成相应的LaTeX表达式集合而产生的。该集合已清除重复项，包含约1,500,000张图像。

支持的任务和排行榜

[更多信息需要]

语言

LaTeX

数据集结构

数据实例

[更多信息需要]

数据字段

python Dataset({ features: [image, text], num_rows: 1586584 })

数据分割

[更多信息需要]

数据集创建

策划理由

[更多信息需要]

源数据

初始数据收集和规范化

[更多信息需要]

源语言生产者

[更多信息需要]

注释

注释过程

[更多信息需要]

注释者

[更多信息需要]

个人和敏感信息

[更多信息需要]

使用数据时的考虑

数据集的社会影响

[更多信息需要]

偏见的讨论

[更多信息需要]

其他已知限制

[更多信息需要]

附加信息

数据集策展人

[更多信息需要]

许可信息

[更多信息需要]

引用信息

plaintext @misc{alexfrauch_VSU_2023, title = {Recognition of mathematical formulas in the Latex: Image-Text Pair Dataset}, author = {Aleksandr Frauch (Proshunin)}, year = {2023}, howpublished = {url{https://huggingface.co/datasets/AlFrauch/im2latex}}, }

贡献

[更多信息需要]

搜集汇总

背景与挑战

背景概述

该数据集是一个图像到文本的数据集，专门用于数学公式识别任务，包含约150万张图像及其对应的LaTeX代码对。数据来源于对超过10万篇自然科学和数学文章的分析，并经过去重处理，适用于训练和评估公式识别模型。