Datalab hat OmniParseBench veröffentlicht, einen offenen Benchmark für die optische Zeichenerkennung (OCR). Er umfasst 16.288 Ja-Nein-Tests, mit denen geprüft wird, wie gut OCR-Parser mit echten Dokumenten umgehen. Die Tests decken 2.937 Seiten in 92 verschiedenen Sprachen ab. Die Ergebnisse werden als einfache Erfolgsquoten angegeben und lassen sich nach Sprache, Schrift oder Tag aufschlüsseln. Der Benchmark ist kostenlos für alle verfügbar, die OCR-Systeme entwickeln oder vergleichen.
Warum es wichtig ist
Entwickler und Forschende können OCR-Tools anhand einer umfangreichen mehrsprachigen Datensammlung vergleichen und so Stärken und Schwächen erkennen.
