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 |