siamta/sroie-2019-v2

该数据集来自ICDAR 2019 Robust Reading Challenge on Scanned Receipts OCR and Information Extraction，包含扫描收据的OCR和信息提取任务。数据集经过处理，去除了重复的图像和注释。数据集包含图像和对象特征，对象特征包括边界框、文本和实体（如公司名称、日期、地址和总金额等）。数据集分为训练集和测试集，训练集有626个示例，测试集有347个示例。

数据集信息：
特征：
- 名称：图像（image）
数据类型：图像
- 名称：目标对象（objects），结构体包含以下字段：
- 边界框（bbox）：三级64位整数序列
- 文本（text）：字符串序列
- 实体（entities），结构体包含以下字段：
- 公司（company）：字符串类型
- 日期（date）：字符串类型
- 地址（address）：字符串类型
- 总金额（total）：字符串类型
数据集划分：
- 名称：训练集（train）
字节数：357970471.0
样本数量：626
- 名称：测试集（test）
字节数：207508258.0
样本数量：347
下载总大小：501626251
数据集总存储大小：565478729.0
配置项：
- 配置名称：默认（default）
数据文件：
- 划分：训练集（train），路径：data/train-*
- 划分：测试集（test），路径：data/test-*

---
ICDAR 2019 扫描收据光学字符识别（Optical Character Recognition, OCR）与信息提取鲁棒阅读挑战赛

本数据集源自网址 https://rrc.cvc.uab.es/?ch=13&com=downloads。据核查，重复图像与标注已由项目 https://github.com/Losyash/SROIE-datasetv2 完成去重处理。

---
许可证：CC BY 2.0