m-a-p/arxiv_image_cap_mini

---
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
- split: validation
path: data/validation-*
- split: test
path: data/test-*
dataset_info:
features:
- name: image
dtype: image
- name: caption
dtype: string
- name: captionBoundary
struct:
- name: x1
dtype: float64
- name: x2
dtype: float64
- name: y1
dtype: float64
- name: y2
dtype: float64
- name: figType
dtype: string
- name: imageText
sequence: string
- name: name
dtype: string
- name: page
dtype: int64
- name: regionBoundary
struct:
- name: x1
dtype: float64
- name: x2
dtype: float64
- name: y1
dtype: float64
- name: y2
dtype: float64
- name: referred_text
sequence: string
splits:
- name: train
num_bytes: 2304038028.76
num_examples: 30328
- name: validation
num_bytes: 350374737.045
num_examples: 3803
- name: test
num_bytes: 229377370.072
num_examples: 3776
download_size: 2737232817
dataset_size: 2883790135.8770003
---
# Dataset Card for "arxiv_image_cap_mini"

[More Information needed](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)

---
配置：
- 配置名称：default
数据文件：
- 数据集拆分：训练集（train），路径：data/train-*
- 数据集拆分：验证集（validation），路径：data/validation-*
- 数据集拆分：测试集（test），路径：data/test-*
数据集详情：
特征字段：
- 名称：图像（image），数据类型：图像
- 名称：图像描述（caption），数据类型：字符串
- 名称：描述文本边界框（captionBoundary），结构体：
- 名称：x1，数据类型：64位浮点型
- 名称：x2，数据类型：64位浮点型
- 名称：y1，数据类型：64位浮点型
- 名称：y2，数据类型：64位浮点型
- 名称：图像类型（figType），数据类型：字符串
- 名称：图像内嵌文本（imageText），字符串序列
- 名称：名称（name），数据类型：字符串
- 名称：页码（page），数据类型：64位整型
- 名称：区域边界框（regionBoundary），结构体：
- 名称：x1，数据类型：64位浮点型
- 名称：x2，数据类型：64位浮点型
- 名称：y1，数据类型：64位浮点型
- 名称：y2，数据类型：64位浮点型
- 名称：关联参考文本（referred_text），字符串序列
数据集拆分：
- 名称：训练集，字节数：2304038028.76，样本数：30328
- 名称：验证集，字节数：350374737.045，样本数：3803
- 名称：测试集，字节数：229377370.072，样本数：3776
下载大小：2737232817
数据集总大小：2883790135.8770003
---
# 「arxiv_image_cap_mini」数据集卡片

[需补充更多信息](https://github.com/huggingface/datasets/blob/main/CONTRIBUTING.md#how-to-contribute-to-the-dataset-cards)