К содержимому

Датасет · hyperbots-inc

Датасет синтетических документов для редвакции PII

hyperbots-inc/synthetic-pii-redaction

Страницы корпоративных документов с разметкой конфиденциальных данных для токенизации и детекции.

Что внутри

Содержит менее 1K изображений (100 страниц) корпоративных документов на английском языке (формы KYC, медицинские карты, страховые иски, банковские выписки). Каждое PII-значение размечено дважды: как текстовый диапазон и пиксельные боксы на изображении.

Что можно сделать

  • Обучение моделей token-classification для извлечения сущностей
  • Обучение моделей object-detection для поиска конфиденциальных данных
  • Разработка систем автоматического скрытия персональных данных
Задачи
Разметка токенов, Детекция объектов
Языки
Английский
Размер
до 1K записей
Скачиваний за месяц
504
Лайков
46

Как загрузить

from datasets import load_dataset

ds = load_dataset("hyperbots-inc/synthetic-pii-redaction")