К содержимому

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")