Maritime-OCR-Bench

概述

Maritime-OCR-Bench 是一个全面的评估基准，用于衡量多模态大模型在 OCR 相关任务上的能力。当前发布的数据集包含 1,888 个经过人工精心整理的样本，涵盖五种任务类型。

任务类型

VQA：针对文档/场景图像的视觉问答
IE：要求严格 JSON 格式输出的信息抽取
parsing：从图像中进行文本识别与解析
json1：采用 JSON v1 结构化格式的文本检测
json2：采用 JSON v2 结构化格式的文本检测

评估指标

每种任务类型采用专门的评分方法：

VQA/parsing：多维文本相似度（编辑距离、字符级 F1、最长公共子序列 F1、表格感知相似度）
IE：文本覆盖率 + JSON 严格性（0.5 * coverage + 0.5 * json_strict）
json1/json2：DIoU 布局得分 + 文本得分（0.7 * diou + 0.3 * text）

属性

属性	值
基准测试名称	`maritime_ocr_bench`
数据集ID	HiDolphin/MaritimeOCRBench
论文	N/A
标签	`MultiModal`, `QA`
指标	`score`
默认示例数	0-shot
评估划分	`test`

数据统计

指标	值
总样本数	1,888
提示词长度（平均）	102.91 字符
提示词长度（最小/最大）	23 / 288 字符

各子集统计数据：

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
`IE`	471	23	23	23
`VQA`	471	39.65	28	141
`parsing`	472	80	80	80
`json1`	237	256.1	248	288
`json2`	237	279.9	248	288

图像统计数据：

指标	值
图像总数	1,888
每样本图像数	最小: 1, 最大: 1, 平均: 1
分辨率范围	108x50 - 4030x4075
格式	jpeg, png

样例示例

子集: IE

{
  "input": [
    {
      "id": "1d6ce119",
      "content": [
        {
          "text": "请提取所有关键信息，并以 JSON 格式返回。"
        },
        {
          "image": "[BASE64_IMAGE: png, ~550.9KB]"
        }
      ]
    }
  ],
  "target": "{\n  \"Document ID\": \"WiCE Error Message Description\",\n  \"Revision\": \"REV 1\",\n  \"Date\": \"2024-09-12\",\n  \"Company_Logo_Text\":\"WIN GD\",\n  \"Error Messages\": [\n    {\n      \"ID Number\": \"COFD-52\",\n      \"Designation\": \"Fuel Pump Control Signal #2 Fa ... [TRUNCATED 1668 chars] ... nt must be within 4 ~ 20mA.\\n• If necessary, the sensor can be replaced with new one (Caution: before dismantling, do depressurize rail)\"\n    }\n  ],\n  \"Footer\": \"T_PC-Drawing_Portrait | Release: 3.10 (2024-05-15)\",\n  \"Page\": \"Page 20 of 83\"\n}",
  "id": 0,
  "group_id": 0,
  "subset_key": "IE",
  "metadata": {
    "task_type": "IE",
    "prompt": "<image>请提取所有关键信息，并以 JSON 格式返回。",
    "images": [
      "images/580968569085497344_f33f02a81a.png"
    ]
  }
}

提示模板

提示模板：

{question}

使用方法

使用 CLI

evalscope eval \
    --model YOUR_MODEL \
    --api-url OPENAI_API_COMPAT_URL \
    --api-key EMPTY_TOKEN \
    --datasets maritime_ocr_bench \
    --limit 10  # 正式评估时请删除此行

使用 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=['maritime_ocr_bench'],
    dataset_args={
        'maritime_ocr_bench': {
            # subset_list: ['IE', 'VQA', 'parsing']  # 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)

3.9 KiB Raw Blame History Unescape Escape

Maritime-OCR-Bench

概述

任务类型

评估指标

属性

数据统计

样例示例

提示模板

使用方法

使用 CLI

使用 Python

3.9 KiB

Raw Blame History