表格识别数据集

标签：omd   ota   info   reads   latex   cts   under   you   pre   

• ICDAR 表格识别竞赛
• TableBank
• DocBank
• TABLE2LATEX-450K
• DECO

https://github.com/doc-analysis/TableBank

微软发布
word和latex两种格式。

https://github.com/doc-analysis/DocBank

https://github.com/bloomberg/TABLE2LATEX

该数据集包含约46.6万个表格-Latex代码对样例，从文档层面分为了训练集（约44.7万）、验证集（约0.9万）和测试集（约0.9万）。这个数据集实际上将表格结构识别任务作为了一个图像到文本（Image2Text）的转化任务。

DECO

《DECO: A Dataset of Annotated Spreadsheets for Layout and Table Recognition》，作者通过抽取EnronCorpus，得到了一个包含1165份文件的数据集。该数据将表格的非空单元格标注为表格头、数据和注释等，同时注明了表格边界。对于不含表格的文件，使用了例如：模板、表单、报表等类别进行标注。
https://wwwdb.inf.tu-dresden.de/researchprojects/deexcelarator/

ICDAR2019

ICDAR2019表格检测与识别比赛（ICDAR2019 Competition on Table Detection and Recognition, cTDaR），是一个面向表格检测与识别任务的比赛，比赛官方网站为http://sac.founderit.com/。

参考

• https://www.pianshen.com/article/81381417841/

表格识别数据集

标签：omd   ota   info   reads   latex   cts   under   you   pre   

原文地址：https://www.cnblogs.com/xuehuiping/p/14214883.html