Datalab выпустила OmniParseBench — открытый бенчмарк для распознавания текста. В него входят 16 288 тестов с ответом «да» или «нет», которые оценивают, насколько хорошо OCR-парсеры справляются с реальными документами. Тесты охватывают 2 937 страниц на 92 языках. Результаты представлены в виде доли пройденных тестов; их можно разбить по языку, письменности или тегу. Бенчмарк доступен бесплатно всем, кто разрабатывает OCR-системы или сравнивает их.
Почему это важно
Разработчики и исследователи могут сравнивать OCR-инструменты на большом многоязычном наборе данных и выявлять их сильные стороны и пробелы.
