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