cc100-ja-documents数据集是基于HuggingFace上公开的cc100和cc100-ja数据集创建的，通过将line单位的分割合并为document单位。该数据集包含文本、ID和文本长度三个特性，仅包含一个训练集分割。数据集的下载大小为45454804676字节，总大小为79102018399字节，包含65613665个例子。该数据集遵循原始cc100数据集的许可证。

Hugging Face2024-07-13 更新130

文档阴影消除数据集

文档处理

深度学习

生活中在使用手机进行文档扫描时，由于角度原因，难免会在照片中留下举手拍摄时遗留的恼人阴影。为了帮助人们解决这样的问题，减少阴影带来的干扰，选手需要通过深度学习技术训练模型，对给定的真实场景下采集得到的带有阴影的图片进行处理，还原图片原本的样子，并最终输出处理后的结果图片。

AI_Studio2022-01-28 更新70

[度慧]图片转Word,PPT,Excel,TXT,OFD - 版式还原

图像识别

文档处理

将单张或多张图片转换为 Word、PPT、Excel、TXT、RTF、OFD等文档格式，支持近 80 种语言 OCR、表格识别、公式识别、图片切边矫正、文字方向处理和背景清理，适合扫描件识别、拍照文档还原、表格录入、资料归档、试卷处理和企业系统自动化录入等场景。

腾讯云市场140

ShabbyPages

文档处理

机器学习

ShabbyPages是由Sparkfish LLC和范德比尔特大学合作创建的一个用于文档去噪和二值化的大型数据集。该数据集包含6202张来自多种语言和格式的‘生数字’图像及其合成噪声版本，旨在模拟打印、传真等物理过程后的文档状态。数据集通过Augraphy工具进行增强，以增加其复杂性和多样性，适用于训练和评估现代数据驱动的机器学习模型。ShabbyPages不仅支持文档处理技术的发展，还为相关领

arXiv2023-03-18 更新100

pdf_and_ocr_dataset

资源简介：

相关数据集