Doraemon-AI/

pdf-layout-chinese

	pdf-layout-chinese: A Chinese document layout PDF dataset




	
	介绍

pdf-layout-chinese是一个中文文档版面分析数据集，面向中文文献类（论文）场景。包含以下10个label：

正文 标题 图片 图片标题 表格 表格标题 页眉 页脚 注释 公式

Text Title Figure Figure caption Table Table caption Header Footer Reference Equation

共包含5000张训练集和1000张验证集，分别在train和val目录下。每张图片对应一个同名的标注文件(.json)。 样例展示：

使用的标注工具是labelme，所以标注格式和labelme格式一致。这里说明一下比较重要的字段。 "shapes": shapes字段是一个list，里面有多个dict，每个dict代表一个标注实例。 "labels": 类别。 "points":… See the full description on the dataset page: https://huggingface.co/datasets/Doraemon-AI/pdf-layout-chinese.