微软亚洲研究院 发布 TableBank 数据集, 应用在 表格检测、表格识别 领域

微软亚洲研究院 本次发布的数据集 TableBank, TableBank是由微软亚洲研究院创建的一个基于图像的表格检测和识别数据集，包含417,234个高质量标注的表格。该数据集通过从互联网上的Word和Latex文档中提取，利用弱监督方法自动生成。TableBank旨在解决现有表格分析模型在实际应用中泛化能力不足的问题，通过大规模数据集支持深度学习模型的发展。数据集涵盖多种文档类型，如商业文档、官方文件、研究论文等，适用于广泛的表格分析任务。

查看TableBank

README 内容： 

关于 微软亚洲研究院 , 微软亚洲研究院（Microsoft Research Asia）是微软公司在亚太地区设立的研究机构，成立于1998年，总部位于中国北京。该研究院致力于推动计算机科学和相关领域的创新研究，涵盖人工智能、机器学习、自然语言处理、计算机视觉等多个前沿领域。

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。