孟加拉人工智能 发布 BaDLAD 数据集, 应用在 文档布局分析、孟加拉语言处理 领域

孟加拉人工智能 本次发布的数据集 BaDLAD, BaDLAD是由孟加拉人工智能创建的大型多领域孟加拉文档布局分析数据集，包含33,693个人工标注的文档样本，涵盖书籍、政府文件、解放战争文件、新闻报纸、历史报纸和财产契约等六个领域，总计710K个多边形标注，用于文本框、段落、图像和表格四种单元类型。该数据集通过从公共在线资源抓取和手动扫描收集数据，经过严格的标注和验证流程创建。BaDLAD旨在解决孟加拉文档数字化中的布局分析问题，特别是在历史文档和报纸的转录方面，通过提供多样化的布局和领域，支持深度学习模型的训练和评估。

查看BaDLAD

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。