DocLayNet-v1.2 数据集介绍

数据集简介

DocLayNet-v1.2 是一个用于文档布局分析的大规模数据集，专注于从扫描或数字文档中识别和分割不同的布局元素。

主要用途

• 训练和评估文档布局分析模型
• 支持光学字符识别（OCR）后处理
• 文档结构理解和信息提取

数据类型/模态

• 图像模态：文档页面图像
• 文本模态：与图像对应的文本内容及布局标注

规模与统计

• 总样本数：80,863 行
• 数据格式：Parquet
• 支持处理库：Datasets、Dask、ML Croissant、Polars

使用场景

• 学术研究（文档分析、计算机视觉）
• 工业应用（自动化文档处理、智能文档管理系统）
• 机器学习模型训练（特别是多模态模型）

特点

• 开源可公开访问
• 专注于真实世界的文档布局复杂性
• 适用于多模态学习任务