Датасет · alonsoapp
Крупный датасет изображений таблиц и их HTML-кода
alonsoapp/TABLET-Large
Более 3,5 млн обучающих примеров с изображениями таблиц, их HTML-разметкой и данными для 17 разных задач.
Что внутри
Это большая обучающая выборка (Large train set) датасета TABLET, насчитывающая 3 505 311 примеров по 17 различным задачам. Каждый элемент представляет собой автономный набор, включающий изображение таблицы, её представление в виде HTML-кода и сопутствующие данные для конкретной задачи.
Что можно сделать
- Обучение VLM и OCR-моделей распознаванию структуры таблиц и переводу их в HTML
- Тренировка мультимодальных систем ответов на вопросы по табличным документам
- Дообучение моделей извлечения информации из сканов и скриншотов отчётов
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 78,9 тыс.
- Лайков
- 7
Как загрузить
from datasets import load_dataset
ds = load_dataset("alonsoapp/TABLET-Large")