- ICDAR 表格識別競賽
- TableBank
- DocBank
- TABLE2LATEX-450K
- DECO
https://github.com/doc-analysis/TableBank
微軟發布
word和latex兩種格式。
https://github.com/doc-analysis/DocBank
https://github.com/bloomberg/TABLE2LATEX
該數據集包含約46.6萬個表格-Latex代碼對樣例，從文檔層面分為了訓練集（約44.7萬）、驗證集（約0.9萬）和測試集（約0.9萬）。這個數據集實際上將表格結構識別任務作為了一個圖像到文本（Image2Text）的轉化任務。
DECO
《DECO: A Dataset of Annotated Spreadsheets for Layout and Table Recognition》，作者通過抽取EnronCorpus，得到了一個包含1165份文件的數據集。該數據將表格的非空單元格標注為表格頭、數據和注釋等，同時注明了表格邊界。對於不含表格的文件，使用了例如：模板、表單、報表等類別進行標注。
https://wwwdb.inf.tu-dresden.de/researchprojects/deexcelarator/
ICDAR2019
ICDAR2019表格檢測與識別比賽（ICDAR2019 Competition on Table Detection and Recognition, cTDaR），是一個面向表格檢測與識別任務的比賽，比賽官方網站為http://sac.founderit.com/。