书籍类电子或文本数据-古籍
包含书法、绘画、地图及PDF/JPG图像，支持OCR、古籍识别、多模态文档理解与历史数据分析。
0 条数据更新时间 2026-06-08
数据集简介
主要数据内容包括：高分辨率中国古籍、善本与历史文献扫描数据古代书法、绘画、地图与老照片图像资源涵盖佛教、医学、戏曲等专题古籍内容包含古籍页面、版式、印章、题跋等视觉数据提供 PDF / JPG 格式的高清图文档案资源聚合海外公开数字馆藏与历史文献数据支持的能力方向包括：OCR 与古籍文字识别模型训练繁体字、竖排文本与版面分析古画、书法等视觉内容识别多模态文档理解与检索历史文献数字化与知识抽取图像修复与超分辨率训练适用于：OCR 与文档 AI 模型研发古籍数字化与数字人文研究多模态大模型训练历史文献检索与知识库构建图像分类、检测与版面分析任务传统文化视觉数据集制作
数据质量
记录时效性
按需更新
记录结构化
NDJSON、JSON、CSV、XLSX、Parquet，支持定制化
记录云交付
Amazon S3、Snowflake、Alibaba Cloud OSS、Google Cloud Storage、Google Drive
记录标准化
为保证数据的一致性与可用性，数据集在构建过程中对原始记录进行了标准化处理，包括：（1）单位标准化：统一价格、重量、尺寸等字段的计量单位；（2）格式标准化：统一日期、时间、数值字段的表示格式；（3）文本清洗：去除 HTML 标签、多余空格及异常字符；（4）字段规范化：统一字段命名、数据类型与缺失值表示方式。该过程确保数据在不同来源和不同采集批次之间保持结构一致性，便于后续分析与建模。
记录代表性
数据覆盖全量业务场景，样本均衡，具备行业代表性
需要定制更适合业务场景的数据集？
我们支持公开数据浏览、关键词筛选与企业级定制交付，帮助你更快完成模型训练与数据分析落地。