fimu-docproc-research/dataset_easy_ocr_v0.3.0_all
收藏Hugging Face2023-06-17 更新2024-03-04 收录
下载链接：
https://hf-mirror.com/datasets/fimu-docproc-research/dataset_easy_ocr_v0.3.0_all
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含OCR（光学字符识别）相关的数据，主要用于识别图像中的文本及其位置信息。数据集中的每个样本包含一个唯一的id、文本内容（words）、文本在图像中的边界框（bboxes）、图像路径（image_path）以及命名实体识别标签（ner_tags）。ner_tags用于标注文本中的特定实体，如银行代码、发票号等。数据集分为训练集和验证集，分别包含3212和356个样本。
该数据集包含OCR（光学字符识别）相关的数据，主要用于识别图像中的文本及其位置信息。数据集中的每个样本包含一个唯一的id、文本内容（words）、文本在图像中的边界框（bboxes）、图像路径（image_path）以及命名实体识别标签（ner_tags）。ner_tags用于标注文本中的特定实体，如银行代码、发票号等。数据集分为训练集和验证集，分别包含3212和356个样本。
提供机构：
fimu-docproc-research
原始信息汇总
数据集概述
数据集名称
- 名称: dataset_easy_ocr_v0.3.0_all
数据集特征
- id: 字符串类型
- words: 字符串序列
- bboxes: 浮点数序列，内部序列类型为浮点数32位
- image_path: 字符串类型
- ner_tags: 类别标签序列，包含以下类别:
- DIC
- IBAN
- ICO
- O
- account_number
- bank_code
- const_symbol
- contr_address
- contr_name
- due_date
- invoice_date
- invoice_number
- qr_code
- spec_symbol
- total_amount
- var_symbol
数据集分割
- train: 3212个样本，占用28030910字节
- val: 356个样本，占用3166612字节
数据集大小
- 下载大小: 9291114字节
- 数据集总大小: 31197522字节
