Датасет · Voxel51
Синтетические изображения счетов для OCR
Voxel51/high-quality-invoice-images-for-ocr
Более 8 тысяч синтетических сканов счетов на английском языке с частичной разметкой под OCR и парсинг документов.
Что внутри
Набор от Voxel51 содержит 8 181 синтетическое изображение счетов на английском языке, подготовленное для работы в библиотеке FiftyOne. Для 1 489 картинок есть полная разметка со структурированным JSON и сырым текстом OCR, а остальные 6 692 файла не размечены. Подойдёт для задач оптического распознавания и понимания структуры документов.
Что можно сделать
- Обучение и дообучение моделей OCR на финансовых документах
- Тренировка извлечения структурированных полей в JSON из счетов
- Эксперименты с полуавтоматическим обучением на неразмеченных данных
- Языки
- Английский
- Размер
- 1K–10K записей
- Скачиваний за месяц
- 27,9 тыс.
- Лайков
- 9
Как загрузить
from datasets import load_dataset
ds = load_dataset("Voxel51/high-quality-invoice-images-for-ocr")