kwadraten/hi-utokyo-kuzushi

这是一个基于东京大学史料编纂所HI Lab公开的くずし字（日本古代草书字符）图像数据创建的parquet格式数据集。数据集包含325,261张图像，对应5,896个不同的字符，每张图像都有对应的字符和unicode编码信息。数据集主要用于研究日本古代草书字符的识别和处理。

数据集信息：
特征字段：
- 名称：图像（image），数据类型：图像
- 名称：字符（char），数据类型：字符串
- 名称：Unicode编码（unicode），数据类型：字符串
拆分集：
- 名称：训练集（train），字节数：2144773177，样本数：325261
下载大小：2144757996字节
数据集存储大小：2144773177字节
配置项：
- 配置名称：默认（default），数据文件：
- 拆分集：训练集（train），路径：data/train-*
许可证：知识共享署名4.0国际许可协议（CC BY 4.0）
语言：日语（ja）
样本规模分类：10万<样本数<100万

# 东京大学史料编纂所日文草书（Kuzushiji）数据集
本数据集基于东京大学史料编纂所HI Lab（https://lab.hi.u-tokyo.ac.jp/datasets/kuzushiji）公开的图像数据构建，采用Parquet格式存储。

| 统计项目 | 数值 |
| --- | --- |
| 字符种类 | 5896种 |
| 图像样本数 | 325261张 |