harsha-desaraju/telugu-ocr-text
收藏Hugging Face2025-11-10 更新2025-11-15 收录
下载链接：
https://hf-mirror.com/datasets/harsha-desaraju/telugu-ocr-text
下载链接
链接失效反馈官方服务：
资源简介：
该数据集包含文档ID、源文本和OCR文本三个字段。文档ID是整型，用于标识每个文档；源文本和OCR文本都是字符串类型，分别代表原始文本内容和通过OCR技术识别的文本内容。数据集被划分为训练集，共有50000个样本，大小为533285983字节。
The dataset consists of three fields: doc_id (document ID, integer type), src_text (source text, string type), and ocr_text (OCR text, string type). The doc_id is used to identify each document; src_text and ocr_text represent the original text content and the text content recognized by OCR technology, respectively. The dataset is split into a training set with 50,000 samples and a size of 533,285,983 bytes.
提供机构：
harsha-desaraju
