К содержимому

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")