🧑 博主簡介：曾任某智慧城市類企業算法總監，目前在美國市場的物流公司從事高級算法工程師一職，深耕人工智能領域，精通python數據挖掘、可視化、機器學習等，發表過AI相關的專利并多次在AI類比賽中獲獎。CSDN人工智能領域的優質創作者，提供AI相關的技術咨詢、項目開發和個性化解決方案等服務，如有需要請站內私信或者聯系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉絲群介紹：① 群內初中生、高中生、本科生、研究生、博士生遍布，可互相學習，交流困惑。② 熱榜top10的常客也在群里，也有數不清的萬粉大佬，可以交流寫作技巧，上榜經驗，漲粉秘籍。③ 群內也有職場精英，大廠大佬，可交流技術、面試、找工作的經驗。④ 進群免費贈送寫作秘籍一份，助你由寫作小白晉升為創作大佬。⑤ 進群贈送CSDN評論防封腳本，送真活躍粉絲，助你提升文章熱度。有興趣的加文末聯系方式，備注自己的CSDN昵稱，拉你進群，互相學習共同進步。

這里整理了常用表格識別數據集，持續更新中，歡迎各位小伙伴貢獻數據集～

數據集匯總

數據集名稱	圖片下載地址	PPOCR標注下載地址
PubTabNet	https://github.com/ibm-aur-nlp/PubTabNet	jsonl格式，可直接用pubtab_dataset.py加載
好未來表格識別競賽數據集	https://ai.100tal.com/dataset	jsonl格式，可直接用pubtab_dataset.py加載
WTW中文場景表格數據集	https://github.com/wangwen-whu/WTW-Dataset	需要進行轉換后才能用pubtab_dataset.py加載

1. PubTabNet數據集

• 數據簡介：PubTabNet數據集的訓練集合中包含50萬張圖像，驗證集合中包含0.9萬張圖像。部分圖像可視化如下所示。

• 說明：使用該數據集時，需要遵守CDLA-Permissive協議。

2. 好未來表格識別競賽數據集

• 數據簡介：好未來表格識別競賽數據集的訓練集合中包含1.6萬張圖像。驗證集未給出可訓練的標注。

3. WTW中文場景表格數據集

• 數據簡介：WTW中文場景表格數據集包含表格檢測和表格數據兩部分數據，數據集中同時包含掃描和拍照兩張場景的圖像。