AnnoPage Dataset
收藏资源简介：
AnnoPage Dataset contains pages of mostly historical documents and annotations of non-textual objects, such as images, diagrams, symbols, initials, etc. The dataset contains data mostly from czech written documents downloaded from Digital Library, but it also contains annotations for pages from other already published datasets which are listed below together with links. The provided ZIP archive includes a text file referencing the pages from these datasets. The complete list of the annotated object categories is also listed below. The dataset contains a split into training and testing subsets, the creation of the validation subset is up to the users. The ZIP archive of the provided dataset is organized as follows: images/ - directory with published 5690 images divided into train and test subdirectories labels/ - directory with annotations in 7550 text files divided into train and test subdirectories README.md - README file with the same information as displayed on this website classes.txt - text file with object categories dataset.yaml - YAML file with dataset definition images.txt - text file with references to the 1860 annotated images from other datasets This dataset was crated within Orbis Pictus – book revival for cultural and creative sectors project. Extra datasets illuhisdoc PRImA Layout Analysis Dataset PRImA RDCL2019 PRImA Europeana Newspapers READ-ICDAR2019-cBAD-dataset TexBiG Object categories Chemical formula and equation Symbol, logo, coat of arms Exlibris Photograph Geometric drawing Graph Initial Caricature and comics Map Mathematical expression and equation Musical notation Image Other book decor Other technical drawing Decorative inscription Floor plan Barcode and QR code Stamp Advertisement Handwritten note Diagram Signet Table Vignette Frieze
AnnoPage数据集包含以历史文献页面为主体的内容，以及图像、图表、符号、首字母饰图等非文本对象的标注信息。该数据集的数据主要来源于从数字图书馆（Digital Library）下载的捷克语历史书面文档，同时也包含来自其他已公开数据集的页面标注，相关数据集列表及链接将在下文一并列出。提供的ZIP压缩包内含一份文本文件，用于引用上述数据集对应的页面。完整的标注对象类别列表也将在下文呈现。该数据集已划分为训练集与测试集子集，验证集的构建可由使用者自主完成。 提供的数据集ZIP压缩包组织架构如下： images/：存储已发布图像的目录，共包含5690张图像，分为训练与测试两个子目录 labels/：存储标注文件的目录，包含7550个文本格式的标注文件，同样分为训练与测试两个子目录 README.md：与本网站展示内容完全一致的说明文档 classes.txt：列明对象类别的文本文件 dataset.yaml：包含数据集定义的YAML格式配置文件 images.txt：包含来自其他数据集的1860张标注图像的引用信息的文本文件 本数据集是在“Orbis Pictus——面向文化与创意产业的书籍复兴”项目框架下创建的。 附加数据集 illuhisdoc PRImA布局分析数据集（PRImA Layout Analysis Dataset） PRImA RDCL2019 PRImA Europeana报纸数据集（PRImA Europeana Newspapers） READ-ICDAR2019-cBAD数据集（READ-ICDAR2019-cBAD-dataset） TexBiG 标注对象类别 化学式与方程式 符号、徽标与纹章 藏书票（Exlibris） 照片 几何绘图 图表 装饰性首字母（Initial） 漫画与讽刺画 地图 数学表达式与方程式 乐谱 图像 其他书籍装饰元素 其他技术绘图 装饰性铭文 平面图 条形码与二维码 印章 广告 手写便签 示意图 私章（Signet） 表格 装饰性插图（Vignette） 饰带（Frieze）
