five

Aslan-mingye/OCR-Quality

收藏
Hugging Face2025-10-17 更新2025-10-25 收录
下载链接:
https://hf-mirror.com/datasets/Aslan-mingye/OCR-Quality
下载链接
链接失效反馈
官方服务:
资源简介:
OCR-Quality是一个综合性的基准数据集,用于评估不同文档类型和来源的OCR质量。该数据集包含1000个文档图像,每个图像都有人工标注的质量分数,并附有Qwen2.5-VL-72B模型提取的OCR文本。数据集涵盖学术论文、教科书和电子书等多种文档类型,支持中文、英文以及多语言。图像从PDF文档转换为300 DPI分辨率的PNG格式。数据集按照质量分数和来源进行了详细统计,并以Parquet文件格式提供,方便加载和处理。

The OCR-Quality dataset is a comprehensive benchmark for evaluating OCR quality across diverse document types and sources. It includes 1,000 document images with human-annotated quality scores and OCR text extracted by the Qwen2.5-VL-72B model. The dataset covers various document types such as academic papers, textbooks, and e-books in Chinese, English, and multilingual languages. Images are converted from PDF documents to PNG format at 300 DPI resolution. The dataset is statistically detailed by quality score and source distribution, and is provided in a Parquet file format for easy loading and processing.
提供机构:
Aslan-mingye
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作