britannica-illustrated-pages biglam

类型
dataset
许可
other
语言
en
下载量
652
点赞
32
访问
public
文件
35

标签

  • 图像数据集
  • 图像分类
  • 数字人文
  • 文化遗产
  • 历史文档
  • 图像理解
  • 计算机视觉
  • 数据集

摘要

该数据集收录《大英百科全书》第1至14版（1768-1929）扫描卷中经分类器（页码分类器）筛选出的115,293个含插图页面，并提供975,345个页面的分类评分、OCR词数与来源元数据清单。数据集解决了数字人文中历史书籍插图挖掘只针对纯图像页而漏检文本页内插图的问题，覆盖图表、雕版及文本列内插图。适用于文化遗产研究、历史文档分类、图像分类与书籍插图挖掘等场景。

README

--- pretty_name: 大英百科全书图版页面 license: other license_name: public-domain-by-publication-date-pre-1930 language: - en configs: - config_name: crop_masks data_files: - split: train path: crop_masks/train-* - config_name: manifest data_files: - split: train path: manifest/train-* - config_name: pages de…

查看完整页面 · 查看原文