Датасет · abdoelsayed
20 000 размеченных чеков на арабском и английском
abdoelsayed/CORU
Двуязычный корпус из 20 000 аннотированных чеков для обучения OCR и систем извлечения структурированных данных.
Что внутри
Датасет ReceiptSense включает 20 000 размеченных чеков на арабском и английском языках (в метаданных указан диапазон от 10K до 100K записей). Данные собраны для решения сложных задач распознавания двуязычных текстов и извлечения информации из финансовых документов.
Что можно сделать
- Обучение моделей OCR распознаванию сложной арабской вязи вперемешку с латиницей
- Разработка парсеров чеков и систем детекции полей (object detection) для финтеха
- Задачи
- Детекция объектов, Классификация текста, Zero-shot классификация
- Языки
- Английский, Арабский
- Размер
- 10K–100K записей
- Скачиваний за месяц
- 4,5 тыс.
- Лайков
- 20
Как загрузить
from datasets import load_dataset
ds = load_dataset("abdoelsayed/CORU")