jp1924/OCRDataPublic

该数据集包含图像、元数据和对象信息。元数据包括对象识别、文本语言、类别、标识符、标签路径、名称、源路径、类型、采集位置、数据捕获时间、DPI、组、高度、宽度、书写风格和年份等信息。对象信息包括ID、文本、边界框和元数据。数据集分为训练集和验证集，训练集包含489681个样本，验证集包含64228个样本。数据集的下载大小为169521319476字节，总大小为192946430914.375字节。

原始信息汇总

数据集概述

数据集特征

• image

  • 数据类型: image

• meta_data

  • 结构:
    • object_recognition: int32
    • text_language: int32
    • category: int32
    • identifier: string
    • label_path: string
    • name: string
    • src_path: string
    • type: string
    • acquisition_location: int32
    • data_captured: string
    • dpi: int32
    • group: int32
    • height: int32
    • width: int32
    • writing_style: int32
    • year: int32

• objects

  • 列表:
    • id: int32
    • text: string
    • bbox: list: int32
    • meta
      • 结构:
        • type: string
        • text_type: string

数据集分割

• train

  • 数据量: 170820667389.875 字节
  • 示例数量: 489681

• validation

  • 数据量: 22125763524.5 字节
  • 示例数量: 64228

数据集大小

• 下载大小: 169521319476 字节
• 数据集总大小: 192946430914.375 字节

配置文件

• default
  • 数据文件路径:
    • train: data/train-*
    • validation: data/validation-*