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")