Træn AI-modeller med flersproget tekstgenkendelse og OCR-datasæt

Beskrivelse: Arabisk & thailandsk & vietnamesisk & hindi & engelsk & kinesisk sprogdatasæt

Beskrivelse: Datasættet for arabisk tekst indeholder en samling af teksteksempler skrevet på arabisk. Det omfatter forskellige former for indhold, såsom nyhedsartikler, opslag på sociale medier, litteratur og dialog, der spænder over forskellige emner og skrivestile. Dette datasæt bruges til opgaver som naturlig sprogbehandling (NLP), tekstklassificering, sentimentanalyse og maskinoversættelse i arabiske sprogapplikationer.

Beskrivelse: Datasæt for kinesisk, engelsk, tibetansk og uigurisk sprog

Beskrivelse: Datasættet for kinesiske og engelske menuer indeholder billeder eller teksteksempler på restaurantmenuer, der findes på både kinesisk og engelsk. Det omfatter forskellige skrifttyper, layouts og menustrukturer, der præsenterer tosprogede rettnavne, beskrivelser og priser. Dette datasæt er nyttigt til opgaver som optisk tegngenkendelse (OCR), maskinoversættelse og menudigitalisering i flersprogede miljøer.

Beskrivelse: Datasættet for håndskrevne kinesiske kompositioner indeholder eksempler på håndskrevet kinesisk tekst, herunder kompositioner, essays og anden langtekst. Det indeholder forskellige håndskriftstile og kompleksitetsniveauer og bruges til opgaver som håndskriftgenkendelse, tekstanalyse og træning af maskinlæringsmodeller.

Beskrivelse: Det kinesiske WIFI-promptdatasæt består af teksteksempler, der findes i WIFI-prompter og loginskærme, og som er skrevet på kinesisk. Det indeholder typisk forskellige prompter, instruktioner og fejlmeddelelser relateret til at oprette forbindelse til eller administrere WIFI-netværk. Dette datasæt bruges til opgaver som tekstgenkendelse, behandling af naturligt sprog og forbedring af brugergrænseflader til netværksforbindelse.

Beskrivelse: Datasættet om engelsk og kinesisk håndskrift indeholder håndskrevne eksempler på både engelsk og kinesisk, der viser forskellige skrivestile og tegnkompleksiteter. Det bruges typisk til træning og evaluering af håndskriftgenkendelsesmodeller, understøttelse af flersproget tekstanalyse og anden relateret forskning. Datasættet indeholder en bred vifte af tegn, cifre, ord og sætninger på begge sprog.

Beskrivelse: Datasættet for engelske og kinesiske butiksskilte indeholder billeder af butiksskilte med både engelsk og kinesisk tekst. Det indfanger forskellige skilteelementer såsom butiksnavne, reklamer, kampagner og rutevejledninger, vist i forskellige skrifttyper, stilarter og formater. Dette datasæt bruges til opgaver som tekstdetektion og -genkendelse, flersproget sceneforståelse og forbedring af computervisionsmodeller til fortolkning af tosproget skiltning.

Beskrivelse: Datasættet for engelsk og kinesisk specialvinkeltekst indeholder billeder af tekst vist i forskellige vinkler og retninger på både engelsk og kinesisk. Det inkluderer tekst fra kilder som skilte, reklamer og dokumenter, der ikke præsenteres i standard horisontale formater. Dette datasæt bruges til at træne og evaluere tekstdetektions- og genkendelsesmodeller, især dem, der er i stand til at håndtere tekst i ikke-traditionelle retninger og perspektiver.

Beskrivelse: Datasættet English Menu indeholder billeder eller teksteksempler på restaurantmenuer skrevet på engelsk. Det indeholder en række forskellige skrifttyper, layouts og formateringsstile, med indhold lige fra rettnavne til beskrivelser og priser. Dette datasæt bruges ofte til opgaver som optisk tegngenkendelse (OCR), tekstudtrækning og menudigitalisering i fødevarerelaterede applikationer.