行内元素检测数据集（SPD）

在行内对文档图像中的公式、文本等元素进行检测，相比单行内容检测任务，粒度更细，任务区分和标注出行间公式、单行文本、行内公式、其他类型（插图、附表、算法块等）四类元素，每个检测出来的对象可以称为一个span。任务中所识别出来的每种元素，原则上均可按照元素的类型，送入不同的识别模型进行内容的识别。

Compared with single-line content detection tasks, this task operates at a finer granularity, aiming to detect elements such as formulas and text in document images. It specifically requires distinguishing and annotating four categories of elements: inter-line formulas, single-line text, intra-line formulas, and other types (including illustrations, attached tables, algorithm blocks, etc.). Each detected object can be termed a "span". In principle, elements of each identified category can be input into different recognition models for content recognition based on their types.

搜集汇总

背景与挑战

背景概述

该数据集专注于文档图像中的行内元素检测任务，旨在识别和标注行内的文本、公式等细粒度元素，以支持后续的OCR和公式识别模型。它通过区分四种元素类型，为复杂文档的内容处理提供基础。