FUNSD：一种用于噪声扫描文档中表单理解的数据集
信息检索
2019-10-30 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
我们提出了一个用于噪声扫描文档中表单理解（FUNSD）的新数据集，旨在提取并结构化表单中的文本内容。该数据集包含 199 份真实、完全标注的扫描表单。这些文档含有噪声且外观差异很大，使得表单理解（FoUn）成为一项具有挑战性的任务。所提出的数据集可用于多种任务，包括文本检测、光学字符识别、空间布局分析和实体标注/链接。据我们所知，这是首个带有全面标注以解决 FoUn 任务的公开可用数据集。我们还提供了一组基线方法，并引入了用于评估 FUNSD 数据集性能的度量指标，该数据集可在 https://guillaumejaume.github.io/FUNSD/ 下载。
引用
@article{arxiv.1905.13538,
title = {FUNSD: A Dataset for Form Understanding in Noisy Scanned Documents},
author = {Guillaume Jaume and Hazim Kemal Ekenel and Jean-Philippe Thiran},
journal= {arXiv preprint arXiv:1905.13538},
year = {2019}
}
备注
ICDAR'19 OST workshop