发布 arabic-img2md 数据集, 应用在 阿拉伯语OCR、Markdown转换 领域

本次发布的数据集 arabic-img2md, 该数据集是一个综合性的合成数据集，包含13,700对阿拉伯语书页及其Markdown格式表示。该数据集主要用于评估阿拉伯语-Nougat模型的表现，使用的评价指标包括Markdown结构准确度和字符错误率。规模达到13,700对数据，任务涉及阿拉伯语的OCR识别和Markdown内容的提取。

查看arabic-img2md

Dataset card 内容： 

Files and versions 内容： 

关于 , 国庆学校是一所位于中国的教育机构，专注于提供基础教育服务。学校致力于培养学生的综合素质，注重学术与品德的全面发展。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。