Датасет · jbarrow
Размеченные поля форм на изображениях документов
jbarrow/CommonForms
Большой веб-датасет для детекции и классификации полей ввода на сканах и страницах документов.
Что внутри
Внутри собраны изображения страниц документов с разметкой координат и типов полей для заполнения: текстовый ввод, кнопки выбора и подписи. Датасет включает примерно 55 000 документов (в метаданных указан диапазон от 100 тыс. до 1 млн примеров).
Что можно сделать
- Обучение детекторов объектов для автоматического парсинга бланков и анкет
- Дообучение моделей анализа документов и OCR-пайплайнов
- Создание систем автозаполнения PDF-форм и веб-страниц
- Задачи
- Детекция объектов
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 2,9 тыс.
- Лайков
- 61
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("jbarrow/CommonForms")