प्रगत दस्तऐवज एआय प्रशिक्षणासाठी आर्थिक दस्तऐवज डेटासेट

वर्णन: बँक चेक डेटासेट (दस्तऐवज AI): सिंथेटिक बँक चेकमध्ये कृत्रिमरित्या व्युत्पन्न केलेल्या चेकच्या प्रतिमा असतात ज्यात वास्तविक चेकचे स्वरूप आणि सामग्रीची प्रतिकृती तयार केली जाते. यामध्ये प्राप्तकर्त्याची नावे, रक्कम, तारखा, स्वाक्षरी आणि चेक क्रमांक यासारख्या विविध घटकांचा समावेश आहे. या डेटासेटचा वापर दस्तऐवज AI प्रणालींना ऑप्टिकल कॅरेक्टर रिकग्निशन (OCR), चेक प्रोसेसिंग आणि ऑटोमेटेड डेटा एक्सट्रॅक्शन यांसारख्या कामांमध्ये प्रशिक्षण आणि मूल्यांकन करण्यासाठी केला जातो, वास्तविक चेकच्या गोपनीयतेची चिंता न करता मॉडेल डेव्हलपमेंटसाठी नियंत्रित वातावरण प्रदान करते.

रेकॉर्डिंग अट: - क्लिक केलेल्या प्रतिमा - स्कॅन केलेले - वेब स्क्रॅपर

वर्णन: बँक स्टेटमेंट डेटासेट (दस्तऐवज AI): सिंथेटिक बँक स्टेटमेंटमध्ये वास्तविक आर्थिक दस्तऐवजांचे अनुकरण करण्यासाठी डिझाइन केलेली कृत्रिमरित्या व्युत्पन्न केलेली बँक स्टेटमेंट समाविष्ट असते. यात विविध व्यवहार रेकॉर्ड, तारखा, रक्कम आणि खाते तपशील आहेत, वास्तविक-जगातील स्वरूप आणि सामग्री मिरर करण्यासाठी संरचित. हा डेटासेट दस्तऐवज AI सिस्टीमचे प्रशिक्षण आणि मूल्यमापन करण्यासाठी वापरला जातो जसे की ऑप्टिकल कॅरेक्टर रेकग्निशन (OCR), डेटा एक्सट्रॅक्शन आणि दस्तऐवज विश्लेषण, वास्तविक आर्थिक डेटाच्या गोपनीयतेच्या समस्यांशिवाय नियंत्रित वातावरण प्रदान करणे.

रेकॉर्डिंग अट: - स्कॅन केलेले - बँक_स्टेटमेंट - वेब स्क्रॅपर

वर्णन: चायनीज बिल डेटासेटमध्ये विविध प्रकारच्या बिलांच्या प्रतिमा किंवा मजकूर नमुने समाविष्ट आहेत, जसे की पावत्या, पावत्या आणि स्टेटमेंट, चिनी भाषेत लिहिलेले आहे. यात आयटमचे वर्णन, रक्कम आणि तारखांसह विविध स्वरूप आणि सामग्री समाविष्ट आहे. हा डेटासेट ऑप्टिकल कॅरेक्टर रेकग्निशन (OCR), आर्थिक दस्तऐवज प्रक्रिया आणि स्वयंचलित डेटा काढणे यासारख्या कामांसाठी वापरला जातो.

वर्णन: अरबी आणि इंग्रजी सामग्री प्रतिमा संग्रह: OCR साठी प्रतिमा + भाष्य

वर्णन: बारकोड व्हिडिओ (कोड१२८, यूपीसी/ईएएन, पीडीएफ४१७, अझ्टेक, मल्टी-कोड)

वर्णन: वक्र मुद्रित मजकूर: वक्र मजकुरासह प्रतिमा किंवा नॉनलाइनर बेसलाइनसह मजकूर गोळा करा.

वर्णन: आर्थिक कागदपत्रे: बँक स्टेटमेंट, चेक, पे स्लिप, कर, गृहकर्ज, विमा दावे (यूएस)

वर्णन: आर्थिक कागदपत्रे (फेज १) गृहकर्ज डेटासेट - प्रिंट, स्कॅन, छायाचित्र

वर्णन: आर्थिक कागदपत्रे (टप्पा २) विमा डेटासेट - प्रिंट, स्कॅन, छायाचित्र

वर्णन: हस्तलिखित मजकूर: हस्तलिखित मजकुरासह लाइव्ह फोटो (जपानी, कोरियन, रशियन)

वर्णन: बाउंडिंग बॉक्स अ‍ॅनोटेशनसह इनव्हॉइस डेटासेटमध्ये स्कॅन केलेले किंवा डिजिटल इनव्हॉइस समाविष्ट असतात जिथे इनव्हॉइस क्रमांक, तारीख, विक्रेत्याचे तपशील, लाइन आयटम आणि एकूण रक्कम यासारख्या प्रमुख फील्डवर बाउंडिंग बॉक्सेस लेबल केले जातात, ज्यामुळे एआय मॉडेल्सना असंरचित दस्तऐवजांमधून संरचित माहिती अचूकपणे शोधता येते आणि काढता येते.

वर्णन: छापील मजकुरासह लाइव्ह फोटो (जपानी, कोरियन, रशियन)

वर्णन: बहुभाषिक पावत्या आणि पावत्या डेटासेटमध्ये अनेक भाषांमधील विविध आर्थिक दस्तऐवजांचा समावेश आहे, ज्यामुळे एआय मॉडेल्सना क्रॉस-लिंग्वल मजकूर ओळखणे, की फील्ड एक्सट्रॅक्शन आणि दस्तऐवज समजून घेण्यासाठी प्रशिक्षण दिले जाते.

वर्णन: बँक स्टेटमेंट्स - युनिक टेम्पलेट - ४०: सिंथेटिक बँक स्टेटमेंट्स

वर्णन: चेक - युनिक टेम्पलेट - ६०: सिंथेटिक पे स्लिप

वर्णन: पेस्लिप्स - युनिक टेम्पलेट - १३०: सिंथेटिक बँक चेक

वर्णन: पे स्लिप्स डेटासेट (दस्तऐवज AI): सिंथेटिक पे स्लिप्समध्ये कोणत्याही भाष्यांशिवाय कृत्रिमरित्या तयार केलेल्या पे स्लिपच्या प्रतिमा असतात. यात विविध पे स्लिप स्वरूप आणि तपशील जसे की कर्मचाऱ्यांची नावे, पगार आणि तारखा आहेत, ज्याचा वापर ओसीआर आणि दस्तऐवज प्रक्रिया यासारख्या कार्यांमध्ये प्रशिक्षण आणि दस्तऐवज AI प्रणाली तपासण्यासाठी केला जातो.

रेकॉर्डिंग अट: - स्कॅन केलेले - वेब स्क्रॅपर