Offline OCR: Math to Word

Méthodologie de test

Comment nous testons l'OCR de formules

Nous testons la reconnaissance des formules à l'aide d'un ensemble fixe de documents imprimés, manuscrits, photographiés et numérisés. Les résultats sont évalués selon la précision des symboles, la structure mathématique, la possibilité de modification et le temps de correction.

Couverture des données d'entrée

Types de documents pour évaluer l'OCR de formules

  • Formules imprimées nettes
  • Fractions, racines, exposants et indices
  • Matrices et équations alignées
  • Mixed text-and-formula documents
  • Photos prises de biais avec un téléphone
  • Images basse résolution
  • Formules manuscrites
  • Texte chinois ou anglais mêlé aux formules
  • PDF numérisés
  • Cas d'échec ou exemples nécessitant des corrections visibles

Critères d'évaluation

Les résultats ne sont utiles que si les limites sont clairement présentées

  • Précision des symboles
  • Structure mathématique
  • Modification des équations dans Word
  • Exactitude du LaTeX
  • Préservation de la mise en page
  • Temps de correction manuelle
  • Utilisation de l'OCR local ou de l'IA cloud facultative

Format d'enregistrement requis

Examiner le résultat brut avant toute correction manuelle

Type de source
Exemple : photo d'une fiche d'exercices imprimée prise avec un téléphone
Version de l'application
La version exacte d'Offline OCR utilisée
Device
L'appareil ou la plateforme utilisé pour le traitement
Mode de traitement
OCR locale ou Cloud AI facultative
Équation attendue
L'équation cible ou le résultat attendu du document
Résultat OCR brut
Le résultat de reconnaissance non modifié
Résultat corrigé
Le résultat après correction manuelle
Problèmes de reconnaissance
Erreurs connues ou absence d'erreur visible dans cet échantillon
Formats d'exportation disponibles
DOCX, LaTeX, PDF, texte ou fichier de projet
Date de traitement
La date à laquelle l'exemple a été traité

Nous publions les résultats bruts avant toute correction manuelle et précisons si chaque exemple utilise l'OCR locale ou Cloud AI facultative. Les cas d'échec doivent rester visibles, car ils aident les utilisateurs à déterminer si l'outil convient à leurs documents.

Lire le premier dossier public de preuves