DocBank はテキスト データセットです。このデータ セットには、ドキュメント レイアウト分析用の、きめ細かいエントリーレベルの注釈付きドキュメント ページが 500,000 件含まれています。データセットは、arXiv.com で入手可能な \LaTeX{} ドキュメントからの弱い監視を伴う、シンプルかつ効率的なアプローチを使用して構築されています。

引用

@misc{li2020docbank、 タイトル={DocBank: 文書レイアウト分析のためのベンチマークデータセット}、 author={リー・ミンハオ、シュー・イーヘン、レイ・クイ、黄少涵、フル・ウェイ、リー・ジョウジュン、ジョウ・ミン}、 年={2020}、 eprint={2006.01038}、 archivePrefix={arXiv}、 primaryClass={cs.CL} }