alaperna/PubTabNet_Validation

Name: alaperna/PubTabNet_Validation
Creator: alaperna
Published: 2025-04-12T01:33:37+08:00

Hugging Face2025-04-10 更新2025-04-12 收录

表格结构识别

文档图像分析

数据链接：

https://hf-mirror.com/datasets/alaperna/PubTabNet_Validation 数据链接链接失效反馈

官方服务：

资源简介：

--- license: cdla-permissive-1.0 ---

许可证：CDLA 宽松许可1.0版（CDLA-Permissive-1.0）

提供机构：

该数据集是原始FinTabNet数据集的转换版本，采用了我们在论文《Optimized Table Tokenization for Table Structure Recognition》中提出的OTSL格式。数据集包括原始注释以及新添加的内容，如单元格内容、OTSL格式、HTML结构等。数据集的结构包括单元格、OTSL、HTML、恢复的HTML、列数、行数和图像。OTSL词汇表定义了新的表格结

Hugging Face2023-08-31 更新3920

upstage/dp-bench

文档分析

表格结构识别

DP-Bench是一个文档解析基准数据集，旨在评估文档解析器的性能。它包含了从图书馆、开放教育资源和内部文档中收集的多种类型的文档样本。数据集将文档划分为12种布局元素类型，采用JSON格式存储，并提供了用于评估解析器性能的三个关键指标：NID（归一化插入删除距离）、TEDS（基于树编辑距离的相似性）和TEDS-S（基于树编辑距离的结构相似性）。

Hugging Face2026-04-22 更新150

dh-unibe/kurrent-hanse-xvi-test-lines-with-evaluation

手写文本识别

文档图像分析

该数据集名为evaluation-hf-printed，是基于danameyer/evaluation-hf-printed数据集并经过推理结果增强的版本。它包含164个样本，仅用于测试分割。数据集主要用于图像到文本转换、手写文本识别（HTR）和TrOCR模型的推理评估。数据特征包括项目名称、文件名、区域ID、行ID、行增强信息、图像、文本、行阅读顺序、行坐标、行基线、区域阅读顺序、区域类型、区域

Hugging Face2026-06-05 更新40

bsmock/ICDAR-2013.c

表格结构识别

数据集修正

ICDAR-2013.c数据集于2023年发布，是原始ICDAR-2013数据集的一个分支，由不同作者进行了修改。该数据集包含对原始数据集中小错误的修正，以及自动修正（如规范化），以纠正过度分割并使数据集与其他表格结构识别（TSR）数据集（如PubTables-1M）更加一致。更多关于此版本数据集和手动修正的详细信息，请参阅相关论文。

Hugging Face2023-09-07 更新1550

table-extraction-scientific-datasets

科学文档表格提取

表格结构识别

该数据集包含三个子集：PubTables（来自PubTables-Test数据集的子集，包含图像、XML边界框、PDF、HTML和JSON文件）、Table-arXiv（从arXiv预印本的LaTeX源文件合成生成，包含类似文件结构）和Table-BRGM（手动注释的法语和英语地质报告领域特定数据集，包含图像等文件），用于科学PDF文档中表格提取的基准测试。

github2026-06-01 更新130

alaperna/PubTabNet_Validation

资源简介：

相关数据集