145 lines
3.8 KiB
Markdown
145 lines
3.8 KiB
Markdown
# OCRBench
|
||
|
||
## 概述
|
||
|
||
OCRBench 是一个综合评估基准，旨在评估大语言多模态模型的 OCR（光学字符识别）能力。它涵盖五个关键 OCR 相关任务，包含 1,000 个经过人工验证的问题-答案对。
|
||
|
||
## 任务描述
|
||
|
||
- **任务类型**：OCR 与文档理解
|
||
- **输入**：包含 OCR 相关问题的图像
|
||
- **输出**：文本识别或提取结果
|
||
- **组成部分**：文本识别、视觉问答（VQA）、文档导向的 VQA、关键信息提取、数学表达式识别
|
||
|
||
## 主要特点
|
||
|
||
- 覆盖 10 个类别的 1,000 个问答对
|
||
- 答案经过人工验证和修正
|
||
- 类别包括：常规/不规则/艺术字体/手写文本识别
|
||
- 以场景文本为中心的 VQA 和面向文档的 VQA
|
||
- 关键信息提取
|
||
- 手写数学表达式识别（HME100k）
|
||
|
||
## 评估说明
|
||
|
||
- 默认配置使用 **0-shot** 评估
|
||
- 使用简单准确率指标（基于包含匹配）
|
||
- 结果按问题类型/类别细分
|
||
- HME100k 使用不同的匹配规则（忽略空格）
|
||
- 全面测试多模态模型中的 OCR 能力
|
||
|
||
## 属性
|
||
|
||
| 属性 | 值 |
|
||
|----------|-------|
|
||
| **基准测试名称** | `ocr_bench` |
|
||
| **数据集 ID** | [evalscope/OCRBench](https://modelscope.cn/datasets/evalscope/OCRBench/summary) |
|
||
| **论文** | N/A |
|
||
| **标签** | `Knowledge`, `MultiModal`, `QA` |
|
||
| **指标** | `acc` |
|
||
| **默认示例数** | 0-shot |
|
||
| **评估划分** | `test` |
|
||
|
||
## 数据统计
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 总样本数 | 1,000 |
|
||
| 提示词长度（平均） | 55.78 字符 |
|
||
| 提示词长度（最小/最大） | 14 / 149 字符 |
|
||
|
||
**各子集统计信息：**
|
||
|
||
| 子集 | 样本数 | 提示词平均长度 | 提示词最小长度 | 提示词最大长度 |
|
||
|--------|---------|-------------|------------|------------|
|
||
| `Regular Text Recognition` | 50 | 29 | 29 | 29 |
|
||
| `Irregular Text Recognition` | 50 | 29 | 29 | 29 |
|
||
| `Artistic Text Recognition` | 50 | 29 | 29 | 29 |
|
||
| `Handwriting Recognition` | 50 | 29 | 29 | 29 |
|
||
| `Digit String Recognition` | 50 | 32 | 32 | 32 |
|
||
| `Non-Semantic Text Recognition` | 50 | 29 | 29 | 29 |
|
||
| `Scene Text-centric VQA` | 200 | 34.6 | 14 | 101 |
|
||
| `Doc-oriented VQA` | 200 | 59 | 21 | 136 |
|
||
| `Key Information Extraction` | 200 | 101.58 | 86 | 149 |
|
||
| `Handwritten Mathematical Expression Recognition` | 100 | 79 | 79 | 79 |
|
||
|
||
**图像统计信息：**
|
||
|
||
| 指标 | 值 |
|
||
|--------|-------|
|
||
| 图像总数 | 1,000 |
|
||
| 每样本图像数 | 最小: 1, 最大: 1, 平均: 1 |
|
||
| 分辨率范围 | 25x16 - 4961x7016 |
|
||
| 格式 | jpeg |
|
||
|
||
## 样例示例
|
||
|
||
**子集**: `Regular Text Recognition`
|
||
|
||
```json
|
||
{
|
||
"input": [
|
||
{
|
||
"id": "ff23a835",
|
||
"content": [
|
||
{
|
||
"text": "what is written in the image?"
|
||
},
|
||
{
|
||
"image": "[BASE64_IMAGE: jpeg, ~1.2KB]"
|
||
}
|
||
]
|
||
}
|
||
],
|
||
"target": "[\"CENTRE\"]",
|
||
"id": 0,
|
||
"group_id": 0,
|
||
"subset_key": "Regular Text Recognition",
|
||
"metadata": {
|
||
"dataset": "IIIT5K",
|
||
"question_type": "Regular Text Recognition"
|
||
}
|
||
}
|
||
```
|
||
|
||
## 提示模板
|
||
|
||
**提示模板：**
|
||
```text
|
||
{question}
|
||
```
|
||
|
||
## 使用方法
|
||
|
||
### 使用 CLI
|
||
|
||
```bash
|
||
evalscope eval \
|
||
--model YOUR_MODEL \
|
||
--api-url OPENAI_API_COMPAT_URL \
|
||
--api-key EMPTY_TOKEN \
|
||
--datasets ocr_bench \
|
||
--limit 10 # 正式评估时请删除此行
|
||
```
|
||
|
||
### 使用 Python
|
||
|
||
```python
|
||
from evalscope import run_task
|
||
from evalscope.config import TaskConfig
|
||
|
||
task_cfg = TaskConfig(
|
||
model='YOUR_MODEL',
|
||
api_url='OPENAI_API_COMPAT_URL',
|
||
api_key='EMPTY_TOKEN',
|
||
datasets=['ocr_bench'],
|
||
dataset_args={
|
||
'ocr_bench': {
|
||
# subset_list: ['Regular Text Recognition', 'Irregular Text Recognition', 'Artistic Text Recognition'] # 可选，用于评估特定子集
|
||
}
|
||
},
|
||
limit=10, # 正式评估时请删除此行
|
||
)
|
||
|
||
run_task(task_cfg=task_cfg)
|
||
``` |