LaTeX数学公式图像匹配数据集230k

数据集概述

该数据集包含超过二十三万组LaTeX数学公式及其对应的PNG格式图像，图像分辨率为72dpi且尺寸各异。数据来源于arXiv的LaTeX源文件，经解析生成，是版本3更新后的数据集，规模从十八万扩展至二十三万。

文件详解

• 文件夹与文件：
• generated_png_images文件夹：包含所有PNG格式的数学公式图像文件
• corresponding_png_images.txt：纯文本文件，每行对应generated_png_images文件夹中的一个图像文件名
• final_png_formulas.txt：纯文本文件，每行对应一个LaTeX数学公式
• 230k.json：JSON格式文件，包含五百七十九个标记的词汇表

数据来源

arXiv

适用场景

• 光学字符识别（OCR）研究：用于数学公式图像转文本的模型训练与测试
• 计算机视觉应用：开发数学公式图像检索或匹配系统
• 教育科技开发：构建自动批改数学作业或解析手写公式的工具
• 自然语言处理：研究数学公式的结构化表示与语义理解