Датасет · hyperbots-inc
Синтетический парсер документов с разметкой
hyperbots-inc/synthetic-doc-parsing
Датасет из 100 страниц с точной разметкой макета, таблицами в HTML и текстом.
Что внутри
Включает 100 изображений страниц документов на английском языке с поблочной разметкой, ограничивающими рамками, таблицами в формате HTML, Markdown и полным OCR-текстом.
Что можно сделать
- Обучение и тестирование моделей разметки документов и OCR
- Валидация конвейеров парсинга документов
- Задачи
- Картинка → текст, Детекция объектов
- Языки
- Английский
- Размер
- до 1K записей
- Скачиваний за месяц
- 577
- Лайков
- 23
Как загрузить
from datasets import load_dataset
ds = load_dataset("hyperbots-inc/synthetic-doc-parsing")