RIPS-Goog-23/IIT-CDIP

---
dataset_info:
features:
- name: tar_file_letters
dtype: string
- name: filename
dtype: string
- name: text
dtype: string
- name: bboxes
dtype: string
- name: img
dtype: string
- name: img_width
dtype: int64
- name: img_height
dtype: int64
splits:
- name: ra9
num_bytes: 91309162
num_examples: 2762
download_size: 81476979
dataset_size: 91309162
---
# Dataset Card for "IIT-CDIP-2"

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

数据集信息：
特征字段：
- 字段名：tar_file_letters，数据类型：字符串
- 字段名：filename（文件名），数据类型：字符串
- 字段名：text（文本内容），数据类型：字符串
- 字段名：bboxes（边界框），数据类型：字符串
- 字段名：img（图像），数据类型：字符串
- 字段名：img_width（图像宽度），数据类型：64位整数
- 字段名：img_height（图像高度），数据类型：64位整数
数据集划分：
- 划分名称：ra9，占用字节数：91309162，样本数量：2762
下载大小：81476979
数据集总大小：91309162

---

# "IIT-CDIP-2"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)

原始信息汇总

数据集概述

数据集特征

• tar_file_letters: 数据类型为字符串。
• filename: 数据类型为字符串。
• text: 数据类型为字符串。
• bboxes: 数据类型为字符串。
• img: 数据类型为字符串。
• img_width: 数据类型为整数（int64）。
• img_height: 数据类型为整数（int64）。

数据集分割

• ra9: 包含2762个样本，总大小为91309162字节。

数据集大小

• 下载大小: 81476979字节。
• 数据集总大小: 91309162字节。

搜集汇总

背景与挑战

背景概述

IIT-CDIP是一个包含文本和图像数据的多模态数据集，规模在1M到10M之间，提供1.88M行数据，适用于文本分析和图像处理任务。