Nil007/SampleDataDocVQA

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: test
path: data/test-*
dataset_info:
features:
- name: id
dtype: string
- name: image
dtype: image
- name: query
struct:
- name: de
dtype: string
- name: en
dtype: string
- name: es
dtype: string
- name: fr
dtype: string
- name: it
dtype: string
- name: answers
sequence: string
- name: words
sequence: string
- name: bounding_boxes
sequence:
sequence: float32
length: 4
- name: answer
struct:
- name: match_score
dtype: float64
- name: matched_text
dtype: string
- name: start
dtype: int64
- name: text
dtype: string
- name: ground_truth
dtype: string
splits:
- name: train
num_bytes: 3504131.0
num_examples: 10
- name: test
num_bytes: 1444850.0
num_examples: 5
download_size: 2542845
dataset_size: 4948981.0
---
# Dataset Card for "SamleData"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

原始信息汇总

数据集概述

配置

• 默认配置：
  • 训练集：路径为 data/train-*
  • 测试集：路径为 data/test-*

数据特征

• id：字符串类型
• image：图像类型
• query：结构化数据，包含以下字段：
  • de：德语字符串
  • en：英语字符串
  • es：西班牙语字符串
  • fr：法语字符串
  • it：意大利语字符串
• answers：字符串序列
• words：字符串序列
• bounding_boxes：浮点数序列，每个序列长度为4
• answer：结构化数据，包含以下字段：
  • match_score：浮点数类型
  • matched_text：字符串类型
  • start：整数类型
  • text：字符串类型
• ground_truth：字符串类型

数据分割

• 训练集：
  • 字节数：3504131.0
  • 样本数：10
• 测试集：
  • 字节数：1444850.0
  • 样本数：5

数据集大小

• 下载大小：2542845
• 数据集大小：4948981.0