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")