宾夕法尼亚州立大学 发布 PEaCE (Printed English and Chemical Equations) dataset 数据集, 应用在 化学、光学字符识别 领域

宾夕法尼亚州立大学 本次发布的数据集 PEaCE (Printed English and Chemical Equations) dataset, PEaCE数据集是由宾夕法尼亚州立大学的信息科学与技术学院创建，专注于化学领域的光学字符识别（OCR）。该数据集包含超过130万条记录，包括合成和真实世界的文本图像，特别关注化学论文。数据集分为三个部分：打印英语文本、伪化学方程式和数值记录。PEaCE旨在解决现有OCR模型在处理科学文档中特殊格式文本（如上标和下标）时的不足，通过提供包含这些特征的训练数据，提高模型在实际应用中的性能。

查看PEaCE (Printed English and Chemical Equations) dataset

README 内容： 

关于 宾夕法尼亚州立大学 , 宾夕法尼亚州立大学（Pennsylvania State University）是美国一所著名的公立研究型大学，位于宾夕法尼亚州，拥有多个校区，提供广泛的学术课程和研究项目。

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。