docling-project/FinTabNet_OTSL

数据集简介

FinTabNet_OTSL 是一个专注于金融表格识别与理解的数据集，由 docling-project 团队发布。它旨在为表格检测、结构识别和内容提取等任务提供高质量的标注数据。

主要用途

该数据集主要用于训练和评估金融文档（如报表、公告）中表格的自动识别与信息抽取模型，服务于文档智能（Document AI）领域。

数据类型/模态

• 模态：图像、文本
• 数据以图像（表格截图或文档页面）和对应的结构化文本标注形式提供。

规模与统计

• 数据总量：包含 109,343 行数据条目。
• 下载量：276次
• 格式：数据以 Parquet 格式存储。

使用场景

适用于计算机视觉和自然语言处理的交叉研究，特别是：
* 表格检测与定位
* 表格结构识别（行列分割）
* 光学字符识别（OCR）后的表格内容重建
* 金融文档的信息自动化处理流程开发