IBM研究院澳大利亚分部 发布 PubLayNet 数据集, 应用在 文档布局分析、科学文档处理 领域

IBM研究院澳大利亚分部 本次发布的数据集 PubLayNet, PubLayNet是由IBM研究院澳大利亚分部创建的大型文档布局分析数据集，包含超过36万篇科学文章的图像，这些图像中的典型文档布局元素如文本、标题、列表、图表和表格均被标注。数据集通过自动匹配PubMed Central™的XML表示和PDF内容生成，旨在支持更先进的文档布局分析模型的开发和评估。PubLayNet的应用领域包括文本分类、实体识别和图表理解等，旨在解决科学文档自动解析中的布局识别问题。

查看PubLayNet

README 内容： 

关于 IBM研究院澳大利亚分部 , IBM研究院澳大利亚分部是IBM在全球的研究机构之一，专注于技术创新和科学研究，涵盖多个领域，包括人工智能、云计算和数据分析等。

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。