khmer-text-dataset123

kaggle2024-05-15 更新2024-05-21 收录

下载链接：

https://www.kaggle.com/datasets/layacheadeth/khmer-text-dataset123

下载链接

链接失效反馈

官方服务：

资源简介：

创建时间：

2024-05-15

Khmer Text Detection Dataset

该数据集包含10,050张合成图像，每张图像包含75-300个高棉文字，专为文字检测任务设计。图像以XML和YOLOv8格式进行标注，确保了文字位置和结构的详细注释。

github2024-11-11 更新140

khmer-text-corpus

该数据集是一个经过清洗和去重的高棉语（柬埔寨语）文本语料库，其核心特点是包含自然发生的高棉语/英语语码转换现象，例如嵌入在文本中的英语科技金融术语、拉丁字母和数字。它专门用于训练SentencePiece分词器以及作为高棉语扩散解码器的文本预热启动数据。语料库共包含4,893,739个句子，以UTF-8编码，每行一个句子，并已进行去重和基于固定种子的洗牌处理以保证可复现性。数据集提供两个并行的配置

Hugging Face2026-07-07 更新00

khmer_text_image_data

kaggle2024-05-25 更新00

Khmer Text Recognition Dataset

该数据集包含136,117张高棉文字的图像，专为文字识别任务设计。它支持开发和评估高棉文字识别模型，重点关注高质量的文字图像和精确的标注。数据集适用于训练模型理解高棉文字的独特特征，如其复杂的字符形状和结构。

github2024-11-11 更新1340

phonsobon/khmer-text-recognition

--- dataset_info: features: - name: image dtype: image - name: text dtype: string splits: - name: train num_bytes: 368756128 num_examples: 26585 - name: validation num_

Hugging Face2026-04-08 更新10