SemanticExtraction/complex_pages_lang

---
dataset_info:
features:
- name: key
dtype: string
- name: image
dtype: image
- name: json
struct:
- name: images_bbox
sequence:
sequence: float64
- name: images_bbox_no_text_overlap
sequence:
sequence: float64
- name: lines
struct:
- name: bbox
sequence:
sequence: float64
- name: score
sequence: float64
- name: text
sequence: string
- name: word_slice
sequence:
sequence: int64
- name: words
struct:
- name: bbox
sequence:
sequence: float64
- name: line_pos
sequence:
sequence: int64
- name: score
sequence: float64
- name: text
sequence: string
- name: class
dtype: string
- name: predictions
dtype: string
- name: lang
dtype: string
splits:
- name: train
num_bytes: 17960270.0
num_examples: 136
download_size: 15069606
dataset_size: 17960270.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 字段名：key，数据类型：字符串
- 字段名：image，数据类型：图像
- 字段名：json，为结构体类型，包含以下子字段：
- images_bbox：嵌套序列，内部元素为64位浮点型双精度（float64）数值
- images_bbox_no_text_overlap：嵌套序列，内部元素为64位浮点型双精度（float64）数值
- lines：结构体类型，包含以下子字段：
- bbox：嵌套序列，内部元素为64位浮点型双精度（float64）数值
- score：序列，内部元素为64位浮点型双精度（float64）数值
- text：序列，内部元素为字符串
- word_slice：嵌套序列，内部元素为64位整型（int64）数值
- words：结构体类型，包含以下子字段：
- bbox：嵌套序列，内部元素为64位浮点型双精度（float64）数值
- line_pos：嵌套序列，内部元素为64位整型（int64）数值
- score：序列，内部元素为64位浮点型双精度（float64）数值
- text：序列，内部元素为字符串
- 字段名：class，数据类型：字符串
- 字段名：predictions，数据类型：字符串
- 字段名：lang，数据类型：字符串
数据集划分：
- 划分集名称：train，字节数：17960270.0，样本数量：136
下载大小：15069606，数据集总大小：17960270.0
配置项：
- 配置名称：default，数据文件配置：
- 划分集：train，文件路径：data/train-*