Датасет · hyperbots-inc
Датасет синтетических плотных документов
hyperbots-inc/synthetic-dense-documents
60 страниц высокого разрешения с мелким текстом для проверки устойчивости OCR к сложным структурам.
Что внутри
Набор включает 60 страниц формата А4 (1654x2339) с плотным текстом пяти различных типов по 12 страниц в каждом. Данные созданы для проверки случаев, когда стандартные OCR теряют порядок чтения или объединяют строки. Набор англоязычный, размер менее 1K примеров.
Что можно сделать
- Бенчмаркинг моделей извлечения текста и таблиц из сложных документов
- Обучение и тестирование систем распознавания многоколоночного текста
- Задачи
- Картинка → текст
- Языки
- Английский
- Размер
- до 1K записей
- Скачиваний за месяц
- 353
- Лайков
- 35
Как загрузить
from datasets import load_dataset
ds = load_dataset("hyperbots-inc/synthetic-dense-documents")