工业领域OCR数据集发布，涵盖2600万页高质量PDF文档
talkingdev • 2024-04-03
671635 views
近日，一个庞大的工业文档OCR数据集正式发布，该数据集包含了2600万页的高质量PDF文档，总计约180亿个标记。这些文档涵盖了工业领域的广泛内容，包括机械设计、电气工程、自动化控制等多个方面。该数据集的发布，将为工业领域内的自然语言处理和机器学习研究提供宝贵的资源，有助于提高文档识别、语义理解和自动化处理等技术的发展水平。