Datalab har släppt OmniParseBench, ett öppet benchmark för optisk teckenigenkänning. Det innehåller 16 288 ja- eller nej-test som utvärderar hur väl OCR-tolkare hanterar verkliga dokument. Testerna omfattar 2 937 sidor på 92 olika språk. Resultaten redovisas som enkla andelar godkända test, och användarna kan dela upp dem efter språk, skriftsystem eller tagg. Benchmarken är fritt tillgänglig för alla som utvecklar eller jämför OCR-system.
Varför det spelar roll
Det gör det möjligt för utvecklare och forskare att jämföra OCR-verktyg på ett brett, flerspråkigt underlag och upptäcka styrkor och brister.
