Датасет · linxy
Изображения формул и LaTeX-разметка
linxy/LaTeX_OCR
Пары изображений математических формул с LaTeX-кодом для обучения и проверки OCR.
Что внутри
Датасет для распознавания LaTeX по изображениям: картинки формул и соответствующий LaTeX-код. В репозитории пять наборов, включая small на 110 примеров для теста, full примерно на 100 тыс. печатных формул и synthetic_handwrite примерно на 100 тыс. синтезированных рукописных формул. Источники — Zenodo, CROHME и собственные данные; часть LaTeX отфильтрована, если формулы не рендерились.
Что можно сделать
- Обучение OCR-модели для формул
- Дообучение vision-language модели на image-to-text
- Тестирование распознавания печатных и рукописных формул
- Задачи
- Картинка → текст
- Размер
- 100K–1M записей
- Скачиваний за месяц
- 782
- Лайков
- 193
Модели, обученные на нём
- mradermacher/Qwen2-VL-OCR-2B-Instruct-i1-GGUF 828
- mradermacher/Qwen2-VL-OCR2-2B-Instruct-GGUF 676
- prithivMLmods/Qwen2-VL-OCR-2B-InstructКартинка + текст 665
- mradermacher/Qwen2-VL-OCR-2B-Instruct-GGUF 601
- mradermacher/Callisto-OCR3-2B-Instruct-i1-GGUF 443
- mradermacher/visionOCR-3B-061125-GGUF 258
- mradermacher/Callisto-OCR3-2B-Instruct-GGUF 192
- prithivMLmods/visionOCR-3B-061125Картинка + текст 80
Как загрузить
from datasets import load_dataset
ds = load_dataset("linxy/LaTeX_OCR")