表格识别数据集

数据集汇总
1. PubTabNet数据集
2. 好未来表格识别竞赛数据集

这里整理了常用表格识别数据集，持续更新中，欢迎各位小伙伴贡献数据集～

数据集汇总

数据集名称	图片下载地址	PPOCR标注下载地址
PubTabNet	https://github.com/ibm-aur-nlp/PubTabNet	jsonl格式，可直接用pubtab_dataset.py加载
好未来表格识别竞赛数据集	https://ai.100tal.com/dataset	jsonl格式，可直接用pubtab_dataset.py加载

1. PubTabNet数据集

数据简介：PubTabNet数据集的训练集合中包含50万张图像，验证集合中包含0.9万张图像。部分图像可视化如下所示。

说明：使用该数据集时，需要遵守CDLA-Permissive协议。

2. 好未来表格识别竞赛数据集

数据简介：好未来表格识别竞赛数据集的训练集合中包含1.6万张图像。验证集未给出可训练的标注。