hheiden/UOB_OCSR_benchmark

UOB OCSR Benchmark数据集是一个用于光学化学结构识别(OCSR)的基准数据集，包含5740张化学结构图像。每个图像都与一个MOL文件配对，并提供SMILES、InChI和SELFIES字符串。该数据集适用于训练和评估图像到结构模型。

The UOB OCSR Benchmark dataset is a benchmark for Optical Chemical Structure Recognition (OCSR), containing 5,740 images of chemical structures. Each image is paired with a corresponding MOL file and provides SMILES, InChI, and SELFIES strings. This dataset is suitable for training and evaluating image-to-structure models.

搜集汇总

背景与挑战

背景概述

UOB OCSR Benchmark是一个专门用于光学化学结构识别（OCSR）模型评估的基准数据集，包含5,740张化学结构图像，每张图像都精确配对了MOL文件、SMILES、InChI和SELFIES等多种分子表示格式。该数据集源自Maybridge药物设计目录，经过标准化处理，主要用于测试图像到化学结构转换模型的性能，但不建议用于训练，因为其图像风格单一且来源同质化。