Datasets:

vladlinv
/

ru-ocr-benchmark-hard

image imagewidth (px) 10 2.84k	text stringlengths 1 113
	Ночью русские
	тромбон
	По случаю шестидесятилетия состоялся торжественный юбилейный банкет
	Псковская область, Великолукский район,
	время, ч/час
	Из-за опечатки в договоре я стал владельцем маленького облака.
	следственного отдела майор юстиции
	№ 04819 признан годным к дальнейшей эксплуатации
	процедуру реализации
	амальгама
	21,00
	ручная кладь 10 кг и регистрируемый багаж 1 место до 23 кг
	буфет театра: бутербр
	сертификат TRF #24RU-918204-E
	направление на плановую
	Штамп спецхрана на титуле атласа.
	стоп-лист
	Ширина х Высота х Глубина: 600 х 850 х 450 мм
	При доверительном интервале в девяносто
	РАЙОН
	реализации турпродукта в Турцию
	тонн зав. № 5573 опечатан пломбой Ростехнадзора
	патроны 9х18 цинк
	свидетельство
	пациент Мясников Артем Дмитриевич, 1991 г.р., направлен на МРТ головного мозга
	станок токарный
	Страница 177
	прилагается
	ультразвуковое исследование органов брюшной полости: диффузные изменения паренхимы печени
	Толщина снежного
	сэндвич с
	ГОСТ
	ведущими
	Гроза началась ровно тогда, когда я сложил зонт.
	Трудового кодекса Российской Федерации и иных федеральных законов.
	вход на ресурс разрешен
	алкогольного делирия доставлен
	что подпись гражданина совершена в моем присутствии
	должника и наложении
	клинический диагноз
	решение межведомственной комиссии: признать дом аварийным и снести за счет бюджета
	450 КМ. МАРШРУТ:
	зуб 3.6: культевая в
	Оптичесский кабель: ОКВП 8х9/125 SMF-28e+ (длина трасы 1 420 м)
	319
	если не приведены ссылки
	Не верю своим
	начисление заработной платы производится ежемесячно по коду дохода 2000 в размере 95 000 руб.
	нарядом скорой
	судить виновных в
	Академическое
	структурное подразделение
	старославянской вязью
	исследовательский
	международный аэропорт Шереметьево, терминал С,
	мигрень
	пеня 450 руб.
	к/с 30101810400000000225
	карточка
	выдан дубликат исп. л
	салат с рукколой,
	Ветеринарный паспорт международного образца № RU-77-48201
	гражданин Республики Корея, паспорт
	камера видеонаблюдения № 147 зафиксировала момент проникновения на охраняемый периметр
	ПРИГОВОР ВЗЫСКАТЬ 5548
	БАЗАР ЗА 92Р
	вежливо
	бумагу и ни
	Председатель ГЭК:...
	четырнадцать!
	оформлен залог
	технический директор комбината
	на самом деле эксперт по
	после применения слезоточивого газа баррикады из кроватей
	условии
	Багирова З.И.,
	нолог Цой Виктор Евг
	билет в
	криптовалютные обменники в Сити
	Серия партий: Л-44
	расчет авансового
	родителей
	карта памяти SanDisk Extreme
	е хулиганство), время
	МАДИ удовлетворена: штраф за
	акт экологической инспекции: аварийный сброс щелочи в водоем, взыскать с завода ущерб 962 600 рублей
	300 рублей, и теперь она приливами напоминает мне о долге.
	ИНДИВИДУАЛЬНЫЙ ПРЕДПРИНИМАТЕЛЬ
	органов брюшной полости
	гидравлический пресс усилием 100
	в случае его падения
	АКТ №89-ЭКСПЕРТИЗА
	косметики: масло зародышей пшеницы с эфирным маслом
	ателье «Силуэт»,
	702 00
	00 РУБ. ИТОГО К ОП
	Республика
	(холдинг
	назначен на разработ
	бухгалтер по учету т

End of preview. Expand in Data Studio

A benchmark for evaluating OCR in Russian, consisting of two parts: pages and crops. The pages part contains 155 images covering 31 source documents in five variants: originals, scans, low-quality images, print defects, and distortions. Reference text and coordinates for each character enable evaluation of complete OCR pipelines. The crops part contains 3,182 ready-made text crops for evaluating text recognition independently of detection. Both parts include challenging examples with varied fonts, image quality, and content.

Note: In future updates, the benchmark will be expanded with additional challenging examples and handwritten text samples.

Benchmark Results

Results on ru-ocr-benchmark-hard, a challenging benchmark covering distortions, print defects, and low-quality images.

Full pages — complete OCR pipeline (155 images)

Crops — text recognition (3182 images)

Model	1-NED	SER	WER	Accuracy
Yandex Vision OCR	0.967687	20.21%	6.74%	18.06%
PP-OCRv6 Medium RU (For RapidOCR) _{DET: PP-OCRv6 Medium}	0.977348	16.14%	5.59%	13.55%
PP-OCRv6 Tiny RU (For RapidOCR) _{DET: PP-OCRv6 Small}	0.973302	25.01%	7.93%	5.81%
Occular-OCR (SVTR-T)	0.958628	42.07%	12.34%	0.00%
PP-OCRv5 Cyrillic (RapidOCR) _{DET: PP-OCRv5 Server}	0.841356	50.28%	27.10%	0.00%
PP-OCRv5 ESlav (RapidOCR) _{DET: PP-OCRv5 Server}	0.833810	57.50%	30.78%	0.00%
Tesseract 5 Best	0.761598	61.68%	36.37%	0.00%

Model	1-NED	SER	WER	Accuracy
PP-OCRv6 Medium RU (For RapidOCR)	0.951576	28.16%	16.05%	71.84%
Yandex Vision OCR	0.845650	39.25%	22.29%	60.75%
PP-OCRv6 Tiny RU (For RapidOCR)	0.908217	48.18%	27.71%	51.82%
Occular-OCR (SVTR-T)	0.884307	50.97%	29.24%	49.03%
PP-OCRv5 Cyrillic (RapidOCR)	0.803864	67.13%	46.66%	32.87%
PP-OCRv5 ESlav (RapidOCR)	0.790004	69.58%	50.21%	30.42%
Tesseract 5 Best	0.659237	78.13%	60.65%	21.87%

Detailed metrics by category

Distortions (31 pages)

Model	1-NED	SER	WER	Accuracy
PP-OCRv6 Medium RU + UVDoc	0.964851	17.66%	9.12%	9.68%
PP-OCRv6 Tiny RU + UVDoc	0.981712	23.15%	6.91%	9.68%
Occular-OCR (SVTR-T)	0.952869	41.54%	13.56%	0.00%
Yandex Vision OCR	0.900997	40.81%	18.80%	6.45%
PP-OCRv5 Cyrillic (RapidOCR) + UVDoc	0.843278	50.82%	25.02%	0.00%
PP-OCRv5 ESlav (RapidOCR) + UVDoc	0.837129	58.43%	28.46%	0.00%
Tesseract 5 Best	0.602607	85.89%	59.98%	0.00%

Originals (31 pages)

Model	1-NED	SER	WER	Accuracy
Yandex Vision OCR	0.995442	6.34%	1.25%	35.48%
PP-OCRv6 Medium RU	0.990530	7.27%	2.04%	22.58%
PP-OCRv6 Tiny RU	0.966852	11.40%	5.39%	3.23%
Occular-OCR (SVTR-T)	0.983030	30.20%	6.65%	0.00%
Tesseract 5 Best	0.963236	25.94%	7.23%	0.00%
PP-OCRv5 Cyrillic (RapidOCR)	0.838570	28.85%	21.08%	0.00%
PP-OCRv5 ESlav (RapidOCR)	0.833360	36.49%	23.24%	0.00%

Scans (31 pages)

Model	1-NED	SER	WER	Accuracy
Yandex Vision OCR	0.993804	9.09%	1.92%	22.58%
PP-OCRv6 Medium RU	0.988223	9.76%	3.00%	22.58%
PP-OCRv6 Tiny RU	0.990307	17.89%	4.72%	9.68%
Occular-OCR (SVTR-T)	0.975689	36.58%	9.96%	0.00%
Tesseract 5 Best	0.916912	42.79%	15.43%	0.00%
PP-OCRv5 Cyrillic (RapidOCR)	0.848345	44.91%	24.21%	0.00%
PP-OCRv5 ESlav (RapidOCR)	0.840750	53.67%	28.07%	0.00%

Low quality (31 pages)

Model	1-NED	SER	WER	Accuracy
Yandex Vision OCR	0.974547	17.21%	4.69%	25.81%
PP-OCRv6 Medium RU	0.974096	19.52%	6.39%	9.68%
PP-OCRv6 Tiny RU	0.969358	30.51%	10.30%	6.45%
Occular-OCR (SVTR-T)	0.957408	40.91%	12.44%	0.00%
Tesseract 5 Best	0.877041	55.26%	23.97%	0.00%
PP-OCRv5 Cyrillic (RapidOCR)	0.851886	53.10%	28.19%	0.00%
PP-OCRv5 ESlav (RapidOCR)	0.840663	59.73%	31.89%	0.00%

Print defects (31 pages)

Model	1-NED	SER	WER	Accuracy
Yandex Vision OCR	0.973643	27.55%	7.02%	0.00%
PP-OCRv6 Medium RU	0.969038	26.39%	7.41%	3.23%
PP-OCRv6 Tiny RU	0.958282	41.88%	12.32%	0.00%
Occular-OCR (SVTR-T)	0.924145	59.53%	19.08%	0.00%
PP-OCRv5 Cyrillic (RapidOCR)	0.824699	73.38%	36.99%	0.00%
PP-OCRv5 ESlav (RapidOCR)	0.817147	79.01%	42.24%	0.00%
Tesseract 5 Best	0.448197	96.06%	75.24%	0.00%

Collection including vladlinv/ru-ocr-benchmark-hard

RU OCR

Collection

5 items • Updated 10 days ago