相关数据集
版面结构分析数据集
版面结构分析任务（习惯称为Document Layout Analysis，简称DLA）以文档图像为输入，输出得到文档图像中的各类元素及其位置。其中版面元素的类别有以下七个：正文文本、章节标题、行间公式、文档插图、文档附表、浮动标题、其他类型。正文文本在标注时，以一个段落为一个元素，多个段落标为多个正文文本元素。
魔搭社区2026-07-07 更新580
ScanBank
ScanBank 是一个基准数据集，用于从扫描的电子论文和论文中提取图形，其中包含 10000 张扫描的页面图像，由人工手动标记其中发现的 3300 张图形或表格的存在。
OpenXLab180
paul-w-qs/contracts_v5
--- configs: - config_name: default data_files: - split: train path: data/train-* dataset_info: features: - name: image dtype: image - name: N_ROWS dtype: int64 - name: N_COLS
Hugging Face2023-11-23 更新170
MADCAT Phase 2 Training Set
Introduction MADCAT (Multilingual Automatic Document Classification Analysis and Translation) Phase 2 Training Set contains all training data created by the Linguistic Data Consortium
DataCite Commons2021-07-01 更新330
