CORD 信息抽取数据集

CORD 全称 Consolidated Receipt Dataset for Post-OCR Parsing，是一个用于 Post-OCR 解析的收据数据集。该数据集包含数千张印度尼西亚收据（包含用于 OCR 的图像及 box/text 标注，以及用于解析的多级语义标签）。

CORD stands for Consolidated Receipt Dataset for Post-OCR Parsing, which is a receipt dataset dedicated to post-OCR parsing. This dataset includes thousands of Indonesian receipts, containing images for OCR, bounding box and text annotations, as well as multi-level semantic labels for parsing tasks.

搜集汇总

背景与挑战

背景概述

CORD信息抽取数据集是一个用于Post-OCR解析的收据数据集，包含数千张印度尼西亚收据的图像及OCR和语义标注。该数据集大小为1.91 GB，适用于图像分类任务，采用CC BY 4.0许可证。