Датасет · wanderkid
Распознавание математических формул по картинкам
wanderkid/UniMER_Dataset
Более миллиона изображений сложных математических выражений для обучения систем OCR и image-to-text.
Что внутри
Специализированная коллекция для распознавания математических выражений (MER), состоящая из обучающей выборки UniMER-1M (более 1 миллиона примеров) и тестового набора. Содержит изображения разнообразных формул и соответствующие им текстовые представления. Поддерживаются английский и китайский языки.
Что можно сделать
- Обучение моделей распознавания формул (OCR / image-to-text) для оцифровки научных статей и учебников
- Бенчмаркинг мультимодальных моделей на сложных математических выражениях
- Задачи
- Картинка → текст
- Языки
- Английский, Китайский
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 2,3 тыс.
- Лайков
- 30
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("wanderkid/UniMER_Dataset")