希腊教父文献集OCR标注数据集2021_2022

数据集概述

该数据集是希腊教父文献集（Patrologia Graeca）的OCR标注基准数据，包含2021-2022年期间人工标注的100张文献图像及对应PageXML文件，覆盖文本区域检测（希腊文、拉丁文列、脚注、标题）和古多调希腊文识别（行级标注）两类任务，用于OCR模型训练与验证。

文件详解

• 核心文件：
• data.zip：压缩包格式，包含100张希腊教父文献集的图像文件及其对应的PageXML标注文件
• 标注层级：
• 区域级标注（任务1）：col_greek（52个）、col_lat（54个）、footnotes（27个）、titles（9个）
• 行级标注（任务2）：lines（两千五百七十九行）

数据来源

Calfa GREgORI Patrologia Graeca项目（CGPG）

适用场景

• 古文字OCR技术研究：训练与优化古希腊多调文字识别模型
• 文献数字化工程：辅助希腊教父文献集未数字化版本的文本提取
• 计算机视觉应用：开发古籍版面分析算法，检测不同语言文本区域
• 数字人文研究：为拜占庭学、古典文献学提供标准化标注数据支撑