---
title: table_recognition
canonical_url: "https://www.modelscope.cn/datasets/liekkas/table_recognition"
md_url: "https://www.modelscope.cn/datasets/liekkas/table_recognition.md"
repository: liekkas/table_recognition
chinese_name: "表格识别测试集"
last_updated: 2026-11-04
license: "Apache License 2.0"
storage_size: "2.3 MB"
domain:
  - image
tasks:
  - image-to-text
size_scale:
  - 0-100
downloads: 1673
stars: 7
---

# table_recognition

> table_recognition - liekkas 在 ModelScope 开源的数据集。该数据集仅是一个测试基准，用于评测表格识别算法的效果。用户可根据自己业务需求，自行增改该数据集。

liekkas/table_recognition 是 ModelScope 魔搭社区上的image-to-text数据集，涉及 image 领域，存储大小 2.3 MB，采用 Apache License 2.0 许可。

- **Repository**: liekkas/table_recognition
- **License**: Apache License 2.0
- **Tasks**: image-to-text
- **Domain**: image
- **Storage size**: 2.3 MB
- **Downloads**: 1673
- **Stars**: 7
- **Last updated**: 2026-11-04

Source: https://www.modelscope.cn/datasets/liekkas/table_recognition

---

<!--- 以上YAML section提供属性/tags描述--->

<!--- 以下为markdown格式的dataset描述--->

## ⚠️注意：
当前数据集不再更新，后续更新请移步：[table_rec_test_dataset](https://huggingface.co/datasets/SWHL/table_rec_test_dataset)

## 表格识别测试集

### 数据集简介
- 数据集包括18张表格的图像，包括拍照类型、截图类型的有线和无线表格。
- 该数据集可以结合[表格指标评测库-TableRecognitionMetric](https://github.com/SWHL/TableRecognitionMetric)使用，快速评测各种表格还原算法。
- **关于该数据集，欢迎小伙伴贡献更多数据呦！有任何想法，可以前往[issue](https://github.com/SWHL/TableRecognitionMetric/issues)讨论。**

### 数据集支持的任务
可用于自定义数据集下的模型验证和性能评估等。

### 数据集的格式和结构

#### 数据格式
数据集只有测试集，分为两个目录：`gt`和`images`。小伙伴可自行决定如何使用。

<details>

```text
.
├── gt
│   ├── 000cce9ca593055d4618466e823e6d7c.html
│   ├── 0aNtiNtRRLqEZ9y6PuShtAAAACMAAQED.html
│   ├── 116d6b07ecfdae7721bd6bbf31031c1a.html
│   ├── 18bc90cb646c109d22ba44565b9a58bc3095e6d3.html
│   ├── 1e7d7fed671a9f9043edd57874ef1b13587afa8d.html
│   ├── 20200211182342519549-0.html
│   ├── 6a8f24150a396470ab29a5ff29aa959dfe7f1c57.html
│   ├── row_span.html
│   ├── Snipaste_2023-07-05_14-54-25.html
│   ├── Snipaste_2023-07-05_14-54-58.html
│   ├── Snipaste_2023-07-05_14-58-59.html
│   ├── Snipaste_2023-07-05_15-00-55.html
│   ├── table2.html
│   ├── table3.html
│   ├── table4.html
│   ├── table6.html
│   ├── table7.html
│   └── table_recognition.html
└── images
    ├── 000cce9ca593055d4618466e823e6d7c.jpg
    ├── 0aNtiNtRRLqEZ9y6PuShtAAAACMAAQED.jpg
    ├── 116d6b07ecfdae7721bd6bbf31031c1a.jpg
    ├── 18bc90cb646c109d22ba44565b9a58bc3095e6d3.jpg
    ├── 1e7d7fed671a9f9043edd57874ef1b13587afa8d.jpg
    ├── 20200211182342519549-0.jpg
    ├── 6a8f24150a396470ab29a5ff29aa959dfe7f1c57.jpg
    ├── row_span.png
    ├── Snipaste_2023-07-05_14-54-25.png
    ├── Snipaste_2023-07-05_14-54-58.png
    ├── Snipaste_2023-07-05_14-58-59.png
    ├── Snipaste_2023-07-05_15-00-55.png
    ├── table2.jpg
    ├── table3.jpg
    ├── table4.jpg
    ├── table6.png
    ├── table7.png
    └── table_recognition.jpg
```

</details>

#### 数据集加载方式
⚠️注意：推荐使用`modelscope==1.5.2`版本，`v1.7.1`经过验证，Windows端有编码问题，不推荐。其他版本暂无测试，小伙伴可自行测试。
```python
from modelscope.msdatasets import MsDataset

# 加载测试集
ms_test_dataset = MsDataset.load('table_recognition', namespace='liekkas', subset_name='default', split='test')
print(next(iter(ms_test_dataset)))
```


### 数据集生成的相关信息

#### 原始数据
数据来源于网络，如侵删。

#### 数据集标注
数据集标注为html格式，示例如下：
```text
<html><body><table><tr><td colspan="2">Textln让机器像人类一样理解文字</td></tr><tr><td>Textln产品</td><td>产品描述</td></tr><tr><td>TextinServerAPI文字识别产品</td><td>通用文本识别、表格识别、卡证识别、票据识别、定制识别等识别产品</td></tr><tr><td>TextinMobileSDK图像处理与文字识别SDK</td><td>图像处理，文本、卡证、票据识别和信息提取移动端SDK</td></tr><tr><td>TextlnStudio文字识别训练平台</td><td>OCR自定义模版配置和机器学习训练平台</td></tr><tr><td>Textin企业A/管理平台</td><td>企业AI接入监控统计和渠道业务管理平台</td></tr><tr><td>Textin财报机器人</td><td>财务报表智能分类、识别、提取、匹配、试算产品</td></tr><tr><td>Textin合同比对机器人</td><td>合同多版本差异智能比对产品</td></tr><tr><td>Textin解决方案</td><td>结合客户业务场景和TextIn能力的场景解决方案</td></tr></table></body></html>
```

### Clone with HTTP
```bash
git clone https://www.modelscope.cn/datasets/liekkas/table_recognition.git
```
