Datalab heeft OmniParseBench uitgebracht, een open benchmark voor optische tekenherkenning (OCR). De benchmark bevat 16.288 ja/nee-tests om te beoordelen hoe goed OCR-parsers met echte documenten omgaan. De tests bestrijken 2.937 pagina’s in 92 verschillende talen. De scores worden weergegeven als eenvoudige slagingspercentages en gebruikers kunnen ze uitsplitsen naar taal, schrift of tag. De benchmark is gratis beschikbaar voor iedereen die OCR-systemen bouwt of vergelijkt.
Waarom het ertoe doet
Ontwikkelaars en onderzoekers kunnen OCR-tools vergelijken op basis van een brede, meertalige dataset en zo sterke punten en tekortkomingen blootleggen.
