Offline OCR: Math to Word

Metodología de pruebas

Cómo probamos el OCR de fórmulas

Probamos el reconocimiento de fórmulas con un conjunto fijo de documentos impresos, manuscritos, fotografiados y escaneados. Evaluamos los resultados según la precisión de los símbolos, la estructura matemática, la posibilidad de edición y el tiempo de corrección.

Cobertura de los datos de entrada

Tipos de documentos para evaluar el OCR de fórmulas

  • Fórmulas impresas nítidas
  • Fracciones, raíces, superíndices y subíndices
  • Matrices y ecuaciones alineadas
  • Mixed text-and-formula documents
  • Fotos inclinadas tomadas con el móvil
  • Imágenes de baja resolución
  • Fórmulas manuscritas
  • Texto chino o inglés combinado con fórmulas
  • PDF escaneados
  • Casos de fallo o ejemplos que requieren correcciones visibles

Criterios de evaluación

Los resultados solo son útiles si muestran claramente las limitaciones

  • Precisión de los símbolos
  • Estructura matemática
  • Edición de ecuaciones en Word
  • Corrección del LaTeX
  • Conservación del diseño
  • Tiempo de corrección manual
  • Si se utilizó OCR local o IA en la nube opcional

Formato de registro obligatorio

Revisar el resultado original antes de la corrección manual

Tipo de fuente
Ejemplo: foto de una hoja de ejercicios impresa tomada con un teléfono
Versión de la aplicación
La versión exacta de Offline OCR utilizada
Device
El dispositivo o la plataforma utilizados para el procesamiento
Modo de procesamiento
OCR local o Cloud AI opcional
Ecuación esperada
La ecuación objetivo o el resultado esperado del documento
Resultado OCR sin editar
El resultado del reconocimiento sin editar
Resultado corregido
El resultado después de la corrección manual
Problemas de reconocimiento
Errores conocidos o ausencia de errores visibles en esta muestra
Formatos de exportación disponibles
DOCX, LaTeX, PDF, texto o archivo de proyecto
Fecha de procesamiento
La fecha en que se procesó el ejemplo

Publicamos los resultados originales antes de cualquier corrección manual e indicamos si cada ejemplo utilizó OCR local o Cloud AI opcional. Los casos fallidos deben seguir siendo visibles porque ayudan a los usuarios a decidir si la herramienta es adecuada para sus documentos.

Leer el primer registro público de evidencia