К содержимому

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")