К содержимому

Датасет · 5CD-AI

60 тыс. строк рукописного вьетнамского текста для OCR

5CD-AI/VietHTR-Line

Проверенные вручную пары картинок и транскрипций рукописных строк на вьетнамском языке для задач OCR.

Что внутри

Содержит 60 247 пар «изображение — текст», вырезанных построчно из реальных рукописных документов на вьетнамском языке. В выборке представлены разные стили письма — от четкого почерка до бледных чернил и слитных штрихов. Все текстовые расшифровки проверены людьми с полным сохранением вьетнамской диакритики.

Что можно сделать

  • Обучение и дообучение моделей распознавания рукописного текста (HTR / OCR) для вьетнамского языка
  • Тестирование мультимодальных моделей на сложных реальных документах
  • Оценка точности распознавания диакритических знаков
Задачи
Картинка → текст
Языки
Вьетнамский
Размер
10K–100K записей
Скачиваний за месяц
517
Лайков
25
Доступ
по запросу на Hugging Face

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("5CD-AI/VietHTR-Line")