К содержимому

Датасет · priyank-m

Вырезки текста с чеков для распознавания (OCR)

priyank-m/SROIE_2019_text_recognition

Более 52 тысяч обрезанных фрагментов с текстом с отсканированных чеков на английском языке для обучения моделей OCR.

Что внутри

Внутри находятся изображения отдельных текстовых блоков, вырезанных по ограничивающим рамкам из 973 отсканированных чеков исходного набора SROIE. Датасет разделён на 33 626 картинок для обучения и 18 704 для теста, язык текстов — английский. Текстовая разметка для всех фрагментов внутри каждого сплита хранится в файле metadata.jsonl.

Что можно сделать

  • Обучение и дообучение моделей распознавания текста (OCR) на документах и чеках
  • Проверка качества работы систем image-to-text на мелких фрагментах текста
Задачи
Картинка → текст
Языки
Английский
Размер
10K–100K записей
Скачиваний за месяц
504
Лайков
15

Как загрузить

from datasets import load_dataset

ds = load_dataset("priyank-m/SROIE_2019_text_recognition")