SemanticExtraction/GOT_v1_text_only_v3_de_predictions_test_2

---
dataset_info:
features:
- name: key
dtype: string
- name: ocr
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: lang
dtype: string
- name: ground_truth
dtype: string
- name: valid_pydantic_model
dtype: bool
- name: text_len
dtype: int64
- name: sym_dist_gpt_ocr
dtype: int64
- name: image
dtype: image
- name: prediction
dtype: string
splits:
- name: train
num_bytes: 3591955.0
num_examples: 27
download_size: 3119705
dataset_size: 3591955.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
---

数据集信息：
特征字段：
- 特征名：key，数据类型：字符串
- 特征名：ocr（光学字符识别），为结构体类型，包含如下子字段：
- 子特征名：图像边界框（images_bbox），为嵌套序列（sequence），内部元素为64位浮点型（float64）
- 子特征名：无文本重叠图像边界框（images_bbox_no_text_overlap），为嵌套序列（sequence），内部元素为64位浮点型（float64）
- 子特征名：行（lines），为结构体类型，包含如下子字段：
- 子特征名：边界框（bbox），为嵌套序列（sequence），内部元素为64位浮点型（float64）
- 子特征名：置信度分数（score），为64位浮点型（float64）序列
- 子特征名：文本内容（text），为字符串序列
- 子特征名：单词切片（word_slice），为嵌套序列（sequence），内部元素为64位整型（int64）
- 子特征名：单词（words），为结构体类型，包含如下子字段：
- 子特征名：边界框（bbox），为嵌套序列（sequence），内部元素为64位浮点型（float64）
- 子特征名：行位置（line_pos），为嵌套序列（sequence），内部元素为64位整型（int64）
- 子特征名：置信度分数（score），为64位浮点型（float64）序列
- 子特征名：文本内容（text），为字符串序列
- 特征名：语言（lang），数据类型：字符串
- 特征名：真值标注（ground_truth），数据类型：字符串
- 特征名：有效Pydantic模型（valid_pydantic_model），数据类型：布尔型
- 特征名：文本长度（text_len），数据类型：64位整型（int64）
- 特征名：GPT-OCR字符对称距离（sym_dist_gpt_ocr），数据类型：64位整型（int64）
- 特征名：图像（image），数据类型：图像类型
- 特征名：预测文本（prediction），数据类型：字符串
拆分集：
- 拆分名：训练集（train），占用字节数：3591955.0，样本数量：27
下载大小：3119705，数据集总占用大小：3591955.0
配置项：
- 配置名：默认（default），数据文件配置：
- 拆分集：训练集（train），文件路径：data/train-*