К содержимому

Датасет · vankey

Мультиязычный бенчмарк для поиска подделок в документах

vankey/RealText-V2

Более 20 тысяч изображений документов на шести языках для детекции фальсификаций и анализа поддельного текста.

Что внутри

Крупный бенчмарк содержит свыше 20 тысяч изображений документов на английском, китайском, арабском, тайском, малайском и индонезийском языках. Датасет создан для выявления подделок текста на изображениях и поддерживает задачи сегментации, классификации и визуальных вопросов-ответов (VQA).

Что можно сделать

  • Обучение систем проверки подлинности сканов и фотографий документов
  • Тестирование моделей сегментации отредактированных участков текста
Задачи
Сегментация, Классификация текста, Вопросы по картинкам
Языки
Английский, Китайский, Арабский, Тайский, ms, Индонезийский
Размер
10K–100K записей
Скачиваний за месяц
44,7 тыс.
Лайков
8

Модели, обученные на нём

Как загрузить

from datasets import load_dataset

ds = load_dataset("vankey/RealText-V2")