探索科研数据的新里程:SciTSR — 一个大规模表格结构识别库
2024-05-20 01:09:12作者:余洋婵Anita
项目简介
在科研领域,表格是数据和信息的重要载体,而将这些表格自动化地结构化处理则是一项关键任务。为此,我们向您推荐一个全新的开源项目——SciTSR(Scientific Table Structure Recognition)。这个项目提供了一个庞大的15,000个PDF表格及其对应的LaTeX源文件结构标签的数据集,为表格结构识别的研究和应用打开了新的大门。
项目技术分析
SciTSR数据集被精心设计并划分,包括12,000个训练样本和3,000个测试样本。为了方便研究,还特别设置了包含复杂表格的测试子集(SciTSR-COMP)。该数据集以JSON和图像形式存储,涵盖了PDF原文件、结构标签、预处理后的文本块以及关系标记。开发团队提供了基于图结构的方法来提取表格结构特征,并提供了顶点和边的特性编码,用于模型训练和评估。
应用场景
SciTSR适用于以下场景:
- 自动化科研文献解析:帮助机器自动理解并解析科学论文中的数据表。
- 大数据分析:高效处理大量的科研数据,提高数据分析效率。
- AI辅助科研:与AI系统集成,提供智能的表格解析服务,加速科研进程。
项目特点
- 大规模数据集:15,000个示例涵盖多种表格类型,包括复杂的表格结构。
- 详细结构标签:每个表格都配有详细的结构标签,便于模型学习和评估。
- 多格式支持:提供PDF、图像和文本块等多种输入形式,满足不同应用场景的需求。
- 易于使用:清晰的数据结构和直观的评价脚本,使得实验和结果分析变得简单。
- 开放源代码:全项目开源,鼓励社区贡献和协作,持续改进和扩展。
使用SciTSR,您不仅可以参与到前沿的科研数据处理技术发展中,还可以为您的项目增添强大的表格识别功能。立即下载并尝试,让我们共同推进科研数据的智能化进程!
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K