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
1.2k Dec 30, 2022
1 Feb 23, 2022
12 Aug 19, 2021
0 Feb 21, 2022
3 Jan 27, 2022
48 Nov 22, 2022
76 Dec 14, 2022
2 Nov 05, 2021
544 Jan 09, 2023
185 Dec 21, 2022
7 Nov 09, 2022
128 Dec 29, 2022
92 Dec 27, 2022
5.3k Jan 01, 2023
3.4k Dec 29, 2022
654 Jan 02, 2023
49 Aug 24, 2022
27 Jul 09, 2022
740 Dec 24, 2022
3 Dec 18, 2021