К содержимому

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")