CDLA: A Chinese document layout analysis (CDLA) dataset
介绍
CDLA是一个中文文档版面分析数据集，面向中文文献类（论文）场景。包含以下10个label：
| 正文 | 标题 | 图片 | 图片标题 | 表格 | 表格标题 | 页眉 | 页脚 | 注释 | 公式 |
|---|---|---|---|---|---|---|---|---|---|
| Text | Title | Figure | Figure caption | Table | Table caption | Header | Footer | Reference | Equation |
共包含5000张训练集和1000张验证集，分别在train和val目录下。每张图片对应一个同名的标注文件(.json)。
样例展示：
下载链接
-
百度云下载：https://pan.baidu.com/s/1449mhds2ze5JLk-88yKVAA, 提取码: tp0d
-
Google Drive Download：https://drive.google.com/file/d/14SUsp_TG8OPdK0VthRXBcAbYzIBjSNLm/view?usp=sharing
标注格式
我们的标注工具是labelme，所以标注格式和labelme格式一致。这里说明一下比较重要的字段。
"shapes": shapes字段是一个list，里面有多个dict，每个dict代表一个标注实例。
"labels": 类别。
"points": 实例标注。因为我们的标注是Polygon形式，所以points里的坐标数量可能大于4。
"shape_type": "polygon"
"imagePath": 图片路径/名
"imageHeight": 高
"imageWidth": 宽
展示一个完整的标注样例:
{
"version":"4.5.6",
"flags":{},
"shapes":[
{
"label":"Title",
"points":[
[
553.1111111111111,
166.59259259259258
],
[
553.1111111111111,
198.59259259259258
],
[
686.1111111111111,
198.59259259259258
],
[
686.1111111111111,
166.59259259259258
]
],
"group_id":null,
"shape_type":"polygon",
"flags":{}
},
{
"label":"Text",
"points":[
[
250.5925925925925,
298.0740740740741
],
[
250.5925925925925,
345.0740740740741
],
[
188.5925925925925,
345.0740740740741
],
[
188.5925925925925,
410.0740740740741
],
[
188.5925925925925,
456.0740740740741
],
[
324.5925925925925,
456.0740740740741
],
[
324.5925925925925,
410.0740740740741
],
[
1051.5925925925926,
410.0740740740741
],
[
1051.5925925925926,
345.0740740740741
],
[
1052.5925925925926,
345.0740740740741
],
[
1052.5925925925926,
298.0740740740741
]
],
"group_id":null,
"shape_type":"polygon",
"flags":{}
},
{
"label":"Footer",
"points":[
[
1033.7407407407406,
1634.5185185185185
],
[
1033.7407407407406,
1646.5185185185185
],
[
1052.7407407407406,
1646.5185185185185
],
[
1052.7407407407406,
1634.5185185185185
]
],
"group_id":null,
"shape_type":"polygon",
"flags":{}
}
],
"imagePath":"val_0031.jpg",
"imageData":null,
"imageHeight":1754,
"imageWidth":1240
}
转coco格式
执行命令:
# train
python3 labelme2coco.py CDLA_dir/train train_save_path --labels labels.txt
# val
python3 labelme2coco.py CDLA_dir/val val_save_path --labels labels.txt
转换结果保存在train_save_path/val_save_path目录下。
labelme2coco.py取自labelme，更多信息请参考labelme官方项目
137 Dec 18, 2022
612 Jan 04, 2023
45 Oct 29, 2022
610 Sep 07, 2022
40 Sep 19, 2022
1.2k Dec 18, 2022
2 Dec 23, 2021
11.7k Dec 30, 2022
4 Oct 27, 2022
2 Jan 17, 2022
461 Dec 28, 2022
678 Dec 28, 2022
6 Nov 20, 2022
125 Dec 25, 2022
13 Jun 09, 2022
12 Nov 11, 2022
35 Nov 16, 2022
13.8k Jan 02, 2023
57 Dec 16, 2022
99 Jan 06, 2023