datasets
Training and evaluation data, with the modality, task and licence stated up front. Listed live from the Hugging Face Hub.
SK-IBAN-synthetic-r1
Slovak IBAN OCR Synthetic Dataset
Hard samples — obrázky, ktoré Qwen3-VL-4B neprečítal správne,
ale GLM-OCR (zai-org/GLM-OCR) ich prečítal korektne (čitateľné).
Pipeline filtrovania
Generovanie syntetických IBAN obrázkov s degradáciami
Qwen3-VL-4B filter — ponechané iba vzorky, ktoré Qwen neprečítal správne (hard)
GLM-OCR filter — z hard vzoriek ponechané iba tie, ktoré GLM-OCR prečítal správne
(overenie čitateľnosti — nečitateľné obrázky sú zahodené)
Štatistiky… See the full description on the dataset page: https://huggingface.co/datasets/adamgavora/SK-IBAN-synthetic-r1.SK-IBAN-synthetic-r2
Slovak IBAN OCR Synthetic Dataset
Hard samples — obrázky, ktoré Qwen3-VL-4B neprečítal správne,
ale GLM-OCR (zai-org/GLM-OCR) ich prečítal korektne (čitateľné).
Pipeline filtrovania
Generovanie syntetických IBAN obrázkov s degradáciami
Qwen3-VL-4B filter — ponechané iba vzorky, ktoré Qwen neprečítal správne (hard)
GLM-OCR filter — z hard vzoriek ponechané iba tie, ktoré GLM-OCR prečítal správne
(overenie čitateľnosti — nečitateľné obrázky sú zahodené)
Štatistiky… See the full description on the dataset page: https://huggingface.co/datasets/adamgavora/SK-IBAN-synthetic-r2.SK-IBAN-synthetic-r1-extendednva-Zunko