Lausanne_Based_19世纪人口普查手写文本识别训练数据集_2023版

数据集概述

本数据集包含三万四千九百一十三条人工转录的文本片段，用于历史文献（如人口普查表格）的手写文本识别训练。数据基于瑞士洛桑市1805至1898年的八十九页人口普查档案，主要语言为法语，含部分日耳曼姓名及地名。

文件详解

• README.md
• 文件格式：MD
• 字段映射介绍：包含数据集作者、机构、发布日期、描述等元信息
• Images.zip
• 文件格式：ZIP（含JPEG）
• 字段映射介绍：按“yyyy-ppp-n”命名的图像文件，对应每条文本片段的手写内容，y为普查年份，p为页码
• Transcriptions.zip
• 文件格式：ZIP（含TXT）
• 字段映射介绍：与图像对应的人工转录文本文件，采用Bentham数据集格式存储

数据来源

瑞士洛桑市档案馆（Archives of the City of Lausanne）

适用场景

• 手写文本识别模型训练: 用于开发和优化历史文献场景下的手写文本识别算法
• 历史人口普查数字化: 支持19世纪洛桑人口普查档案的自动转录与数字化处理
• 历史语言学研究: 分析19世纪法语手写文本特征及日耳曼姓名地名的书写习惯
• 数字人文技术评估: 作为手写文本识别算法的基准测试数据集，验证模型性能