К содержимому

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")