Dataset Viewer
Auto-converted to Parquet Duplicate
filename
stringlengths
21
24
split
stringclasses
1 value
imgid
int64
1
206k
table_bbox
listlengths
4
4
dataset
stringclasses
1 value
cells
listlengths
1
1
otsl
listlengths
3
992
html
listlengths
6
1.95k
html_restored
listlengths
6
1.95k
html_with_text
listlengths
8
2.86k
cols
int64
2
46
rows
int64
1
85
html_len
int64
6
1.95k
otsl_len
int64
3
992
image
imagewidth (px)
136
1k
PMC6198727_table_1.jpg
train
1
[ 37, 37, 686, 142 ]
p1m
[ [ { "bbox": [ 37, 37, 107, 48, 2 ], "tokens": [] }, { "bbox": [ 205, 37, 260, 48, 2 ], "tokens": [] }, { "bbox": [ 357, 37, 402, 48, 2...
[ "ched", "ched", "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "ucel", "fcel", "fcel", "fcel", "fcel", "nl", "ucel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "ucel", "fcel", "fcel"...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td", " rowspan=\"3\"", ">", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>",...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td", " rowspan=\"3\"", ">", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "...
[ "<thead>", "<tr>", "<td>", "", "</td>", "<td>", "", "</td>", "<td>", "ML", "</td>", "<td>", "NSAF", "</td>", "<td>", "LFQ", "</td>", "</tr>", "</thead>", "<tr>", "<td", " rowspan=\"3\"", ">", "Complete dataset", "</td>", "<td>", "Growth phase", "</td>", "<td>"...
5
7
80
42
PMC5028404_table_0.jpg
train
4
[ 36, 37, 337, 185 ]
p1m
[ [ { "bbox": [ 36, 37, 67, 47, 2 ], "tokens": [ "C", "o", "m", "p" ] }, { "bbox": [ 81, 37, 142, 47, 2 ], "tokens": [ "A", "r" ] ...
[ "ched", "ched", "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel"...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "<...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>"...
[ "<thead>", "<tr>", "<td>", "Comp", "</td>", "<td>", "Ar", "</td>", "<td>", "Time/h", "</td>", "<td>", "Yield/%", "</td>", "<td>", "Isomers ratio (6/7)", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "6a?7a", "</td>", "<td>", "C6H5–", "</td>", "<td>", "48", "</...
5
9
108
54
PMC3146873_table_2.jpg
train
5
[ 36, 37, 643, 110 ]
p1m
[ [ { "bbox": [ 36, 37, 217, 48, 2 ], "tokens": [ "V", "a", "r", "i", "a", "b", "l", "e", "s", "/", "C", "o", "e", "f", "f", "i"...
[ "ched", "ched", "ched", "ched", "ched", "ched", "ched", "ched", "ched", "ched", "ched", "nl", "srow", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", "nl", "srow", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", ...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td", " colspan=\"11\"", ">", "</td>", "</tr>...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td", " colspan=\"11\"",...
[ "<thead>", "<tr>", "<td>", "Variables/Coefficient (standard deviation)", "</td>", "<td>", "PF", "</td>", "<td>", "RP", "</td>", "<td>", "BP", "</td>", "<td>", "GH", "</td>", "<td>", "VT", "</td>", "<td>", "SF", "</td>", "<td>", "RE", "</td>", "<td>", "MH", "</...
11
5
84
60
PMC5818505_table_4.jpg
train
6
[ 37, 37, 402, 380 ]
p1m
[ [ { "bbox": [ 37, 37, 85, 59, 2 ], "tokens": [ "M", "o", "d", "e", "l" ] }, { "bbox": [ 114, 37, 228, 59, 2 ], "tokens": [ "U", ...
[ "ched", "ched", "ched", "ched", "ched", "nl", "fcel", "ecel", "ecel", "ecel", "fcel", "nl", "fcel", "fcel", "ecel", "fcel", "ecel", "nl", "fcel", "fcel", "fcel", "fcel", "ecel", "nl", "fcel", "fcel", "fcel", "fcel", "ecel", "nl", "fcel", "ecel", "ecel"...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "<...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>"...
[ "<thead>", "<tr>", "<td>", "Model", "</td>", "<td>", "Unstandardized Coefficients B (95% CI)", "</td>", "<td>", "Standardized Coefficients B", "</td>", "<td>", "P", "</td>", "<td>", "R2", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "Model 1", "</td>", "<td>", "", ...
5
20
240
120
PMC5015218_table_2.jpg
train
7
[ 36, 37, 646, 324 ]
p1m
[ [ { "bbox": [ 36, 37, 161, 59, 2 ], "tokens": [ "S", "i", "t", "e" ] }, { "bbox": [ 186, 37, 251, 59, 2 ], "tokens": [ "P", "r", ...
[ "ched", "ched", "ched", "ched", "ched", "nl", "srow", "lcel", "lcel", "lcel", "lcel", "nl", "fcel", "fcel", "fcel", "fcel", "ecel", "nl", "fcel", "fcel", "fcel", "fcel", "ecel", "nl", "fcel", "fcel", "fcel", "fcel", "ecel", "nl", "fcel", "fcel", "fcel"...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td", " colspan=\"5\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>"...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td", " colspan=\"5\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "...
[ "<thead>", "<tr>", "<td>", "Site", "</td>", "<td>", "Pre-intervention (N = 284)", "</td>", "<td>", "Post-intervention (N = 302)", "</td>", "<td>", "Chi-squared test p value", "</td>", "<td>", "Odds ratio (95 % confidence interval), p value", "</td>", "</tr>", "</thead>", "<tr>"...
5
16
180
96
PMC5847491_table_0.jpg
train
8
[ 43, 42, 588, 287 ]
p1m
[ [ { "bbox": [ 43, 42, 139, 57, 2 ], "tokens": [ "S", "u", "b", "j", "e", "c", "t", " ", "a", "r", "e", "a" ] }, { "bbox": [ 153, ...
[ "ched", "ched", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl" ]
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>"...
[ "<thead>", "<tr>", "<td>", "Subject area", "</td>", "<td>", "Biology", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "More specific subject area", "</td>", "<td>", "Toxicology", "</td>", "</tr>", "<tr>", "<td>", "Type of data", "</td>", "<td>", "Table, text file, figure...
2
9
54
27
PMC5810012_table_1.jpg
train
9
[ 37, 37, 333, 752 ]
p1m
[ [ { "bbox": [ 37, 37, 138, 59, 2 ], "tokens": [ "V", "a", "r", "i", "a", "b", "l", "e" ] }, { "bbox": [ 146, 37, 220, 59, 2 ...
[ "ched", "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "fcel", "nl", "ucel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "nl", "ucel", "fcel", "fcel", "fcel", "nl", "ucel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", ...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td", " rowspan=\"2\"", ">", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>"...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td", " rowspan=\"2\"", ">", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "...
[ "<thead>", "<tr>", "<td>", "Variable", "</td>", "<td>", "Subgroup", "</td>", "<td>", "Number of respondents", "</td>", "<td>", "Percentage", "</td>", "</tr>", "</thead>", "<tr>", "<td", " rowspan=\"2\"", ">", "Presence of dysmenorrhea", "</td>", "<td>", "Yes", "</td>"...
4
37
334
185
PMC5146809_table_0.jpg
train
10
[ 36, 37, 332, 737 ]
p1m
[ [ { "bbox": [ 36, 37, 107, 48, 2 ], "tokens": [ "C", "h", "a", "r", "a", "c", "t", "e", "r", "i", "s", "t", "i", "c", "s" ] ...
[ "ched", "ched", "ched", "nl", "srow", "lcel", "lcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "srow", "lcel", "lcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "f...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td", " colspan=\"3\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>"...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td", " colspan=\"3\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "...
[ "<thead>", "<tr>", "<td>", "Characteristics", "</td>", "<td>", "N of patients", "</td>", "<td>", "Percent", "</td>", "</tr>", "</thead>", "<tr>", "<td", " colspan=\"3\"", ">", "Histology", "</td>", "</tr>", "<tr>", "<td>", "IDL", "</td>", "<td>", "1278", "</td>", ...
3
40
302
160
PMC3231662_table_0.jpg
train
11
[ 34, 34, 502, 227 ]
p1m
[ [ { "bbox": [ 34, 34, 65, 48, 2 ], "tokens": [ "R", "a", "n", "k" ] }, { "bbox": [ 88, 34, 269, 48, 2 ], "tokens": [ "C", "a", ...
[ "ched", "ched", "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel"...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "<...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>"...
[ "<thead>", "<tr>", "<td>", "Rank", "</td>", "<td>", "Cause of death", "</td>", "<td>", "No. of deaths", "</td>", "<td>", "%", "</td>", "<td>", "Death rate", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "1", "</td>", "<td>", "Malignant neoplasms", "</td>", "<td>",...
5
11
132
66
PMC3457669_table_0.jpg
train
13
[ 36, 37, 875, 382 ]
p1m
[ [ { "bbox": [ 36, 37, 107, 62, 2 ], "tokens": [ "A", "u", "t", "h", "o", "r" ] }, { "bbox": [ 137, 37, 158, 62, 2 ], "tokens": [ ...
[ "ched", "ched", "ched", "ched", "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fce...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "<...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>"...
[ "<thead>", "<tr>", "<td>", "Author", "</td>", "<td>", "Year", "</td>", "<td>", "Morphology", "</td>", "<td>", "Study methods", "</td>", "<td>", "ME-NBI criteria", "</td>", "<td>", "Patients (n)", "</td>", "<td>", "Results", "</td>", "</tr>", "</thead>", "<tr>", "<...
7
7
112
56
PMC2586024_table_0.jpg
train
15
[ 37, 37, 561, 351 ]
p1m
[ [ { "bbox": [ 37, 37, 97, 48, 2 ], "tokens": [ "N", "a", "m", "e" ] }, { "bbox": [ 204, 37, 561, 48, 2 ], "tokens": [ "S", "e", ...
[ "ched", "ched", "nl", "srow", "lcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", "fcel", "nl", "fcel", ...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td", " colspan=\"2\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>"...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td", " colspan=\"2\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "...
[ "<thead>", "<tr>", "<td>", "Name", "</td>", "<td>", "Sequence 5' > 3'", "</td>", "</tr>", "</thead>", "<tr>", "<td", " colspan=\"2\"", ">", "PRIMERS FOR RT-PCR", "</td>", "</tr>", "<tr>", "<td>", "HIV_UP5", "</td>", "<td>", "GGCGAGCCCTCAGATCCTGC", "</td>", "</tr>", ...
2
22
132
66
PMC4433248_table_0.jpg
train
16
[ 36, 36, 511, 336 ]
p1m
[ [ { "bbox": [ 36, 36, 143, 49, 2 ], "tokens": [ "C", "h", "a", "r", "a", "c", "t", "e", "r", "i", "s", "t", "i", "c" ] }, { ...
[ "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "ecel", "fcel", "nl", "fcel", "fcel", "ecel", "nl", "fcel", "fcel", "ecel", "nl", "fcel", "fcel", "ecel", "nl", "fcel", "ecel", "fcel", "nl", "fcel", "f...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "<...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>"...
[ "<thead>", "<tr>", "<td>", "Characteristic", "</td>", "<td>", "N = 58", "</td>", "<td>", "P-value", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "Age, years", "</td>", "<td>", "83 (80–93)", "</td>", "<td>", "NS", "</td>", "</tr>", "<tr>", "<td>", "Male", "</td>...
3
19
152
76
PMC2789386_table_1.jpg
train
19
[ 37, 36, 654, 332 ]
p1m
[ [ { "bbox": [ 37, 36, 98, 45, 2 ], "tokens": [ "P", "l", "a", "s", "m", "i", "d" ] }, { "bbox": [ 111, 36, 569, 45, 2 ], "toke...
[ "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "f...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "<...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>"...
[ "<thead>", "<tr>", "<td>", "Plasmid", "</td>", "<td>", "Description", "</td>", "<td>", "Source/reference", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "pHIPG4U", "</td>", "<td>", "Plasmid containing H. polymorpha AOX promoter and AMO terminator regions; H. polymorpha URA3 and G...
3
17
136
68
PMC4617648_table_0.jpg
train
20
[ 36, 37, 718, 351 ]
p1m
[ [ { "bbox": [ 36, 37, 83, 48, 2 ], "tokens": [ "R", "e", "g", "i", "o", "n", "s" ] }, { "bbox": [ 103, 37, 192, 48, 2 ], "toke...
[ "ched", "ched", "ched", "ched", "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "ucel", "ecel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "ucel", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "uce...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td", " rowspan=\"4\"", ">", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>",...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td", " rowspan=\"4\"", ">", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "...
[ "<thead>", "<tr>", "<td>", "Regions", "</td>", "<td>", "Provinces", "</td>", "<td>", "Districts", "</td>", "<td>", "Sub-districts", "</td>", "<td>", "Villages", "</td>", "<td>", "Latitude", "</td>", "<td>", "Longitude", "</td>", "</tr>", "</thead>", "<tr>", "<td",...
7
20
298
160
PMC4818445_table_4.jpg
train
22
[ 36, 37, 332, 259 ]
p1m
[ [ { "bbox": [ 36, 37, 177, 48, 2 ], "tokens": [ "V", "a", "r", "i", "b", "l", "e", "s" ] }, { "bbox": [ 215, 37, 257, 48, 2 ...
[ "ched", "ched", "ched", "nl", "srow", "lcel", "lcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "srow", "lcel", "lcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "f...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td", " colspan=\"3\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>"...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td", " colspan=\"3\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "...
[ "<thead>", "<tr>", "<td>", "Varibles", "</td>", "<td>", "Odds ratio", "</td>", "<td>", "95 % CI", "</td>", "</tr>", "</thead>", "<tr>", "<td", " colspan=\"3\"", ">", "Low education level", "</td>", "</tr>", "<tr>", "<td>", "Non drinkers vs. ex-drinkers", "</td>", "<td...
3
13
98
52
PMC2998522_table_3.jpg
train
23
[ 36, 36, 607, 147 ]
p1m
[ [ { "bbox": [ 36, 36, 151, 47, 2 ], "tokens": [] }, { "bbox": [ 195, 36, 246, 47, 2 ], "tokens": [ "N", "o", " ", "o", "f", " ", "i"...
[ "ched", "ched", "ched", "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fce...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "<...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>...
[ "<thead>", "<tr>", "<td>", "", "</td>", "<td>", "No of items", "</td>", "<td>", "Mean (SD)*", "</td>", "<td>", "Skewness", "</td>", "<td>", "Cronbach’ alpha", "</td>", "<td>", "ICC**", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "Instrumental attitude", "</td>", ...
6
7
98
49
PMC4369838_table_2.jpg
train
24
[ 36, 36, 331, 93 ]
p1m
[ [ { "bbox": [ 36, 36, 101, 59, 2 ], "tokens": [ "E", "L", "I", "S", "A", " ", "p", "l", "a", "t", "f", "o", "r", "m" ] }, { ...
[ "ched", "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "nl" ]
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>" ]
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>"...
[ "<thead>", "<tr>", "<td>", "ELISA platform", "</td>", "<td>", "ADDLs (pg/ml)", "</td>", "<td>", "(S26C)2 (pg/ml)", "</td>", "<td>", "Dityrosine (pg/ml)", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "Erenna", "</td>", "<td>", "0.15", "</td>", "<td>", "40.6 ± 9.3", ...
4
3
30
15
PMC4720731_table_1.jpg
train
25
[ 37, 37, 679, 184 ]
p1m
[ [ { "bbox": [ 37, 37, 121, 50, 2 ], "tokens": [ "E", "m", "o", "t", "i", "o", "n", "a", "l", " ", "o", "u", "t", "c", "o", "m"...
[ "ched", "ched", "ched", "ched", "ched", "ched", "ched", "ched", "ched", "nl", "srow", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", "lcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "f...
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td", " colspan=\"9\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>",...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td", " colspan=\"9\"", ">", "</td>", "</tr>", "<tr>", "...
[ "<thead>", "<tr>", "<td>", "Emotional outcome", "</td>", "<td>", "Key variable", "</td>", "<td>", "–2∗LL", "</td>", "<td>", "–2∗LL�", "</td>", "<td>", "df", "</td>", "<td>", "Estimate (SE)", "</td>", "<td>", "p", "</td>", "<td>", "95% CI", "</td>", "<td>", "ICC"...
9
9
152
90
PMC6102272_table_0.jpg
train
26
[ 37, 37, 256, 109 ]
p1m
[ [ { "bbox": [ 37, 37, 108, 50, 2 ], "tokens": [ "P", "h", "y", "s", "i", "c", "a", "l", " ", "p", "r", "o", "p", "e", "r", "t"...
[ "ched", "ched", "ched", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "nl" ]
[ "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "<...
[ "<thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "<td>", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>"...
[ "<thead>", "<tr>", "<td>", "Physical properties", "</td>", "<td>", "Base fluid (water)", "</td>", "<td>", "Fe3O4", "</td>", "</tr>", "</thead>", "<tr>", "<td>", "Cp (J/kg K)", "</td>", "<td>", "4179.00", "</td>", "<td>", "670", "</td>", "</tr>", "<tr>", "<td>", "ρ...
3
5
40
20
PMC3231811_table_1.jpg
train
27
[ 37, 37, 479, 159 ]
p1m
[ [ { "bbox": [ 37, 37, 88, 76, 2 ], "tokens": [ "B", "i", "c", "l", "u", "s", "t", "e", "r", "i", "n", "g", " ", "A", "l", "g",...
[ "ched", "ched", "ched", "lcel", "ched", "ched", "nl", "ucel", "ucel", "ched", "ched", "ucel", "ucel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fcel", "fcel", "nl", "fcel", "fcel", "fcel", "fcel", "fce...
[ "<tr>", "<td", " rowspan=\"2\"", ">", "</td>", "<td", " rowspan=\"2\"", ">", "</td>", "<td", " colspan=\"2\"", ">", "</td>", "<td", " rowspan=\"2\"", ">", "</td>", "<td", " rowspan=\"2\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>", "</tr>",...
[ "<thead>", "<tr>", "<td", " rowspan=\"2\"", ">", "</td>", "<td", " rowspan=\"2\"", ">", "</td>", "<td", " colspan=\"2\"", ">", "</td>", "<td", " rowspan=\"2\"", ">", "</td>", "<td", " rowspan=\"2\"", ">", "</td>", "</tr>", "<tr>", "<td>", "</td>", "<td>", "</td>...
[ "<thead>", "<tr>", "<td", " rowspan=\"2\"", ">", "Biclustering Algorithm", "</td>", "<td", " rowspan=\"2\"", ">", "No of Biclusters", "</td>", "<td", " colspan=\"2\"", ">", "Bicluster/Cluster Size", "</td>", "<td", " rowspan=\"2\"", ">", "GeneCoverage %", "</td>", "<td", ...
6
7
98
49
End of preview. Expand in Data Studio

Dataset Card for PubTables-1M_OTSL

Dataset Summary

This dataset contains tables enriched with information about headers, it is filtered version of original PubTables-1M, with less samples.

This dataset enables the evaluation of both object detection models and image-to-text methods. PubTables-1M is introduced in the publication "PubTables-1M: Towards Comprehensive Table Extraction From Unstructured Documents" by Smock et al. The conversion into HF (Hugging Face) and the addition of the OTSL (Optimized Table Structure Language) format is presented in our paper "Optimized Table Tokenization for Table Structure Recognition" by Lysak et al. The dataset includes the original annotations amongst new additions.

Dataset Structure

  • cells: origunal dataset cell groundtruth (content).
  • table_bbox: origunal dataset table detection groundtruth.
  • otsl: new reduced table structure token format
  • html: Generated HTML for PubTables-1M to match PubTabNet, FinTabNet, and SynthTabNet format.
  • html_restored: generated HTML from OTSL.
  • cols: grid column length.
  • rows: grid row length.
  • html_with_text: list of HTML table structure tags together with cell content text
  • image: PIL image

OTSL Vocabulary:

OTSL: new reduced table structure token format More information on the OTSL table structure format and its concepts can be read from our paper. Format of this dataset extends work presented in a paper, and introduces slight modifications:

  • "fcel" - cell that has content in it
  • "ecel" - cell that is empty
  • "lcel" - left-looking cell (to handle horizontally merged cells)
  • "ucel" - up-looking cell (to handle vertically merged cells)
  • "xcel" - 2d span cells, in this dataset - covers entire area of a merged cell
  • "nl" - new line token
  • "ched" - cell that belongs to column header
  • "rhed" - cell that belongs to row header
  • "srow" - cell that belongs to section row (header-like separator within the table)

Data Splits

The dataset provides three splits

  • train
  • val
  • test

Additional Information

Dataset Curators

The dataset is converted by the Deep Search team at IBM Research. You can contact us at deepsearch-core@zurich.ibm.com.

Curators:

Citation Information

Citation to OTSL Paper:

@article{lysak2023optimized,
      title={Optimized Table Tokenization for Table Structure Recognition}, 
      author={Maksym Lysak and Ahmed Nassar and Nikolaos Livathinos and Christoph Auer and Peter Staar},
      year={2023},
      eprint={2305.03393},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

Citation to PubTables-1M creators:

@inproceedings{smock2022pubtables,
  title={Pub{T}ables-1{M}: Towards comprehensive table extraction from unstructured documents},
  author={Smock, Brandon and Pesala, Rohith and Abraham, Robin},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
  pages={4634-4642},
  year={2022},
  month={June}
}
Downloads last month
586

Paper for docling-project/PubTables-1M_OTSL-v1.1