К содержимому

Датасет · hyperbots-inc

Датасет синтетических поврежденных документов

hyperbots-inc/synthetic-bad-scans

120 корпоративных изображений документов с различными уровнями деградации для тестирования OCR.

Что внутри

В датасете содержится 40 изображений на трех уровнях деградации (слабый, умеренный, сильный), имитирующих сканеры, факсы и камеры телефонов. Каждое изображение включает чистый текст, разметку координат полей и параметры повреждений. Данные представлены на английском языке в небольшом объеме (менее 1K примеров).

Что можно сделать

  • Оценка и улучшение точности систем OCR при работе с поврежденными сканами
  • Тестирование алгоритмов выравнивания и улучшения изображений документов
Задачи
Картинка → текст
Языки
Английский
Размер
до 1K записей
Скачиваний за месяц
538
Лайков
50

Как загрузить

from datasets import load_dataset

ds = load_dataset("hyperbots-inc/synthetic-bad-scans")