К содержимому

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")