数据19世纪奥地利报纸OCR训练数据集_NewsEye_READ

数据集概述

该数据集包含19世纪至20世纪初奥地利报纸页面的经人工校正文本数据，分为训练集（148页）和验证集（13页），采用PAGE格式存储，由Transkribus平台生成，支持NewsEye与READ项目研究。

文件详解

• 训练集文件: TrainingSet_ONB_Newseye_GT_M1+.zip，ZIP格式压缩包，包含148页奥地利报纸页面的OCR标注训练数据，采用PAGE XML格式存储。
• 验证集文件: ValidationSet_ONB_Newseye_GT_M1+.zip，ZIP格式压缩包，包含13页奥地利报纸页面的OCR标注验证数据，采用PAGE XML格式存储。

数据来源

奥地利国家图书馆

适用场景

• OCR模型训练与优化: 用于训练和改进针对19世纪历史报纸文本的光学字符识别算法
• 历史文献数字化研究: 支持历史报纸内容的自动识别与结构化处理
• 数字人文研究: 为19世纪奥地利社会、文化、新闻史研究提供数字化文本数据源
• 古籍数字化技术评估: 可用于验证不同OCR工具在历史文献处理中的性能