Datasets:

openthaigpt
/

thai-ocr-evaluation

image imagewidth (px) 84 856	text stringlengths 3 31	category stringclasses 5 values
	bio-engineer	handwritten
	ทดสอบโมเดล	handwritten
	MasterCard	handwritten
	META PLATFORMS, INC.	handwritten
	ELI LILLY	handwritten
	Arthur J. Gallagher	handwritten
	พินัยกรรม	handwritten
	ฝากคุณยาย	handwritten
	837	handwritten
	อาหารและ	handwritten
	T3 นอก	handwritten
	43,210-	handwritten
	๓๑/๐๑/๒๕๖๗	handwritten
	ไม้พาย	handwritten
	29-10-53	handwritten
	31/01/2567	handwritten
	3.12 Trillion	handwritten
	#VOO and chill	handwritten
	Intel Corp	handwritten
	AMD INC.	handwritten
	NVIDIA	handwritten
	Alphabet	handwritten
	อ.เมือง จ.กำแพงเพชร ๖๒๐๐๐	document
	จึงเรียนมาเพื่อโปรดพิจารณา	document
	เอกสารประกอบ)	document
	เสนาบดีกระทรวงมหาดไทย	document
	ได้แก่ (1)	document
	ร.ท. หญิง ธาราทิพย์	document
	เอกสารวิชาการ	document
	ประชาชนอาเซียน	document
	ในปัจจุบัน	document
	อายุ: >=30,	document
	พ.ศ. 2562"	document
	เช่น บทความ	document
	มหาวิทยาลัยราชภัฏกำแพงเพชร	document
	ระเบียบนี้เรียกว่า	document
	ของข้อ ๑๑	document
	ที่ อว ๐๖๑๕/.........	document
	(รองศาสตราจารย์วิสิฐ ธัญญะวัน)	document
	โทร ๐ ๕๕๗๐ ๖๕๕๕ ต่อ	document
	"ราชภัฏ รวมพลัง ยับยั้งทุจริต"	document
	ข้าพเจ้า (นาย/นาง/นางสาว)	document
	165,000.00	document
	-ก่อห้องขนาด 20X15	document
	เช่น Few-shot	document_enth
	ตามข้อมูล Fitbit	document_enth
	Workout เป็นสิ่งที่ดี	document_enth
	ตามผล Feedback	document_enth
	และ LLMs	document_enth
	และ Smart Watch	document_enth
	โมเดล AI	document_enth
	ความเสี่ยงของ NCDs	document_enth
	(AI) และอุปกรณ์	document_enth
	เพศ: FEMALE,	document_enth
	Label: ดัชนี	document_enth
	BMI ต่ำกว่า 19:	document_enth
	ชื่อหมู่บ้าน	real_document
	อำเภอบางปะกง	real_document
	2,000.00	real_document
	07806A	real_document
	63,000.00	real_document
	จังหวัดศรีสะเกษ	real_document
	อมตะนคร	real_document
	ห้างหุ้นส่วนจำกัด	real_document
	จำกัด (มหาชน)	real_document
	15/04/22ACM	real_document
	รางวัลที่ 1	real_document
	30,000,000 บาท	real_document
	บ้าน	real_document
	1.370 % ต่อปี	real_document
	(ดอกเบี้ย+เลขท้าย	real_document
	1. ฝากไม่ครบ 6 เดือน	real_document
	ไม่ครบ 2 ปี	real_document
	กุมภาพันธ์ 2556	real_document
	สาขาศาลยุติธรรม	real_document
	ไอแอพพ์เทคโนโลยี	real_document
	KASIKORNBANK	real_document
	3-91675	real_document
	K0576887	real_document
	NAME	real_document
	#EASYLIFE	scene_text
	LUXASIA	scene_text
	คำขึ้นต้น	scene_text
	อังคาร	scene_text
	ขึ้น 9 ค่ำ เดือน 10	scene_text
	BANG & OLUFSEN	scene_text
	หนึ่ง นม	scene_text
	PRICE DOWN	scene_text
	390	scene_text
	Microsoft	scene_text
	UnitedHealthcare	scene_text
	Linde	scene_text
	กองทุน RMF SSF	scene_text
	iPad Pro	scene_text
	MacBook Air	scene_text
	WINNER	scene_text
	฿100,000	scene_text
	บริษัท พีทีที โกลบอล	scene_text
	มากกว่า	scene_text
	Join Our	scene_text

End of preview. Expand in Data Studio

Thai OCR Evaluation Dataset

Dataset Description

The Thai OCR Evaluation Dataset is designed for evaluating Optical Character Recognition (OCR) models across various domains. It includes images and textual data derived from various open-source websites. This dataset aims to provide a comprehensive evaluation resource for researchers and developers working on OCR systems, particularly in Thai language processing.

Data Fields

Each sample in the dataset contains the following fields:

image: Path to the image file.
text: Ground truth text extracted from the image.
category: The domain/category of the image (e.g., "handwritten", "document", "scene_text").

Usage

To load the dataset, you can use the following code:

from datasets import load_dataset

dataset = load_dataset("openthaigpt/thai-ocr-evaluation")

Authors

Suchut Sapsathien (suchut@outlook.com)
Jillaphat Jaroenkantasima (autsadang41@gmail.com)

Downloads last month: 97

Size of downloaded dataset files:

4.02 MB

Size of the auto-converted Parquet files:

4 MB

Number of rows:

104

Models trained or fine-tuned on openthaigpt/thai-ocr-evaluation

sthaps/DeepSeek-ocr-Thai

Image-Text-to-Text • Updated Jan 3 • 34