Датасет · datalab-to
Бенчмарк для парсинга документов и таблиц
datalab-to/omni_parse_bench
Набор из 16 288 тестов на 2 937 страницах для оценки точности распознавания текста, таблиц и верстки.
Что внутри
Бенчмарк содержит изображения страниц документов и текстовые данные для проверки систем парсинга, общий размер в метаданных указан в диапазоне от 100 тыс. до 1 млн записей. Внутри собраны 16 288 тестовых заданий на 2 937 страницах, по которым сравнивается качество извлечения текста, таблиц и структуры макета.
Что можно сделать
- Оценка качества мультимодальных моделей и OCR-систем при разборе сложных документов
- Сравнение точности извлечения таблиц и сохранения структуры верстки у разных парсеров
- Задачи
- Картинка → текст
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 7,1 тыс.
- Лайков
- 22
Как загрузить
from datasets import load_dataset
ds = load_dataset("datalab-to/omni_parse_bench")