UniMER Dataset

UniMER数据集是专门为通用数学表达式识别（MER）、数据公式发布的数据集。它包含了真实全面的UniMER-1M训练集，拥有超过一百万个代表广泛和复杂数学表达式、数据公式的实例，以及精心设计的UniMER测试集，用于在真实世界场景中评估MER模型。

The UniMER dataset is a specialized dataset released for general mathematical expression recognition (MER) and data formula-related tasks. It includes the realistic and comprehensive UniMER-1M training set, which contains over one million instances representing a wide range of complex mathematical expressions and data formulas, as well as a meticulously designed UniMER test set for evaluating MER models in real-world scenarios.

搜集汇总

背景与挑战

背景概述

UniMER数据集是一个专门为通用数学表达式识别（MER）设计的大规模数据集，旨在提升模型在真实场景中的识别能力。它包含超过一百万个训练样本（UniMER-1M训练集），以及一个精心设计的测试集（23,757个样本），覆盖简单印刷、复杂印刷、屏幕截图和手写四种表达式类型，为模型训练和评估提供了全面资源。数据集由上海人工智能实验室发布，基于多个公开数据源构建，适用于计算机视觉和自然语言处理领域的预训练与评测任务。