寻找IAM手写字体数据集500作者

Question

有没有人能帮忙找到IAM手写字体数据集3.0之前的版本，500个作者的那个，有偿

Answer 1

引自强大而免费的微信小程序：皆我工具箱。

IAM数据集是一个手写文本识别的数据集，包含了来自不同作者的手写文本图像，以及对应的转录文本。

在IAM数据集中，IV-S、IV-U、OOV-S和OOV-U的设置可以通过对每个样本的转录文本进行统计和分析来完成。

1. IV-S（In Vocabulary-Seen）指的是出现在转录文本中且属于已知词汇的样本。

   • 首先，需要建立词汇表，包含所有可能的转录文本中的词汇。可以将所有的转录文本进行分词，得到不同的单词，然后将其放入词汇表中。
   • 对于每个样本的转录文本，遍历其中的单词，如果单词在词汇表中存在，则该样本属于IV-S。

2. IV-U（In Vocabulary-Unseen）指的是出现在转录文本中但属于未知词汇的样本。

   • 对于每个样本的转录文本，遍历其中的单词，如果单词不在词汇表中存在，则该样本属于IV-U。

3. OOV-S（Out of Vocabulary-Seen）指的是未出现在转录文本中但属于已知词汇的样本。

   • 对于每个样本的转录文本，遍历词汇表中的单词，如果单词不在转录文本中存在，则该样本属于OOV-S。

4. OOV-U（Out of Vocabulary-Unseen）指的是未出现在转录文本中且属于未知词汇的样本。

   • 对于每个样本的转录文本，遍历词汇表中的单词，如果单词不在转录文本中存在，则该样本属于OOV-U。

可以使用以下代码来对IAM数据集进行上述设置：

# 建立词汇表
vocab = set()
for transcription in iam_dataset.transcriptions:
    words = transcription.split()
    vocab.update(words)

# 遍历样本并进行设置
for sample in iam_dataset.samples:
    words = sample.transcription.split()

    # IV-S
    if all(word in vocab for word in words):
        sample.set_category("IV-S")

    # IV-U
    elif any(word in vocab for word in words):
        sample.set_category("IV-U")

    # OOV-S
    elif any(word not in words for word in vocab):
        sample.set_category("OOV-S")

    # OOV-U
    else:
        sample.set_category("OOV-U")

通过上述代码，可以根据转录文本中的单词是否属于词汇表的情况，将每个样本设置为IV-S、IV-U、OOV-S或OOV-U中的一个。