mirrors/docling
1
0
Fork 0
mirror of https://github.com/DS4SD/docling.git synced 2025-07-26 03:55:00 +00:00
Code Issues Packages Projects Releases Wiki Activity
6e956dc551
docling/tests/data_scanned/groundtruth/docling_v2/ocr_test.pages.json
Panos Vagenas de56523974
chore: format JSON test files to enable comparison (#1511) 
Signed-off-by: Panos Vagenas <pva@zurich.ibm.com>
2025-05-02 10:52:18 +02:00

388 lines
12 KiB
JSON
Raw Blame History

[
{
"page_no": 0,
"size": {
"width": 595.201171875,
"height": 841.9216918945312
},
"cells": [
{
"index": 0,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 71.33333333333333,
"r_y0": 99.33333333333333,
"r_x1": 506.6666666666667,
"r_y1": 99.33333333333333,
"r_x2": 506.6666666666667,
"r_y2": 74.66666666666667,
"r_x3": 71.33333333333333,
"r_y3": 74.66666666666667,
"coord_origin": "TOPLEFT"
},
"text": "Docling bundles PDF document conversion to",
"orig": "Docling bundles PDF document conversion to",
"text_direction": "left_to_right",
"confidence": 0.9555703127793324,
"from_ocr": true
},
{
"index": 1,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 69.0,
"r_y0": 126.66666666666667,
"r_x1": 506.6666666666667,
"r_y1": 126.66666666666667,
"r_x2": 506.6666666666667,
"r_y2": 100.66666666666667,
"r_x3": 69.0,
"r_y3": 100.66666666666667,
"coord_origin": "TOPLEFT"
},
"text": "JSON and Markdown in an easy self contained",
"orig": "JSON and Markdown in an easy self contained",
"text_direction": "left_to_right",
"confidence": 0.9741098171752292,
"from_ocr": true
},
{
"index": 2,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 70.66666666666667,
"r_y0": 153.33333333333334,
"r_x1": 154.0,
"r_y1": 153.33333333333334,
"r_x2": 154.0,
"r_y2": 128.66666666666666,
"r_x3": 70.66666666666667,
"r_y3": 128.66666666666666,
"coord_origin": "TOPLEFT"
},
"text": "package",
"orig": "package",
"text_direction": "left_to_right",
"confidence": 0.6702765056141881,
"from_ocr": true
}
],
"parsed_page": null,
"predictions": {
"layout": {
"clusters": [
{
"id": 0,
"label": "text",
"bbox": {
"l": 69.0,
"t": 74.66666666666667,
"r": 506.6666666666667,
"b": 153.33333333333334,
"coord_origin": "TOPLEFT"
},
"confidence": 0.9715733528137207,
"cells": [
{
"index": 0,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 71.33333333333333,
"r_y0": 99.33333333333333,
"r_x1": 506.6666666666667,
"r_y1": 99.33333333333333,
"r_x2": 506.6666666666667,
"r_y2": 74.66666666666667,
"r_x3": 71.33333333333333,
"r_y3": 74.66666666666667,
"coord_origin": "TOPLEFT"
},
"text": "Docling bundles PDF document conversion to",
"orig": "Docling bundles PDF document conversion to",
"text_direction": "left_to_right",
"confidence": 0.9555703127793324,
"from_ocr": true
},
{
"index": 1,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 69.0,
"r_y0": 126.66666666666667,
"r_x1": 506.6666666666667,
"r_y1": 126.66666666666667,
"r_x2": 506.6666666666667,
"r_y2": 100.66666666666667,
"r_x3": 69.0,
"r_y3": 100.66666666666667,
"coord_origin": "TOPLEFT"
},
"text": "JSON and Markdown in an easy self contained",
"orig": "JSON and Markdown in an easy self contained",
"text_direction": "left_to_right",
"confidence": 0.9741098171752292,
"from_ocr": true
},
{
"index": 2,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 70.66666666666667,
"r_y0": 153.33333333333334,
"r_x1": 154.0,
"r_y1": 153.33333333333334,
"r_x2": 154.0,
"r_y2": 128.66666666666666,
"r_x3": 70.66666666666667,
"r_y3": 128.66666666666666,
"coord_origin": "TOPLEFT"
},
"text": "package",
"orig": "package",
"text_direction": "left_to_right",
"confidence": 0.6702765056141881,
"from_ocr": true
}
],
"children": []
}
]
},
"tablestructure": {
"table_map": {}
},
"figures_classification": null,
"equations_prediction": null,
"vlm_response": null
},
"assembled": {
"elements": [
{
"label": "text",
"id": 0,
"page_no": 0,
"cluster": {
"id": 0,
"label": "text",
"bbox": {
"l": 69.0,
"t": 74.66666666666667,
"r": 506.6666666666667,
"b": 153.33333333333334,
"coord_origin": "TOPLEFT"
},
"confidence": 0.9715733528137207,
"cells": [
{
"index": 0,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 71.33333333333333,
"r_y0": 99.33333333333333,
"r_x1": 506.6666666666667,
"r_y1": 99.33333333333333,
"r_x2": 506.6666666666667,
"r_y2": 74.66666666666667,
"r_x3": 71.33333333333333,
"r_y3": 74.66666666666667,
"coord_origin": "TOPLEFT"
},
"text": "Docling bundles PDF document conversion to",
"orig": "Docling bundles PDF document conversion to",
"text_direction": "left_to_right",
"confidence": 0.9555703127793324,
"from_ocr": true
},
{
"index": 1,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 69.0,
"r_y0": 126.66666666666667,
"r_x1": 506.6666666666667,
"r_y1": 126.66666666666667,
"r_x2": 506.6666666666667,
"r_y2": 100.66666666666667,
"r_x3": 69.0,
"r_y3": 100.66666666666667,
"coord_origin": "TOPLEFT"
},
"text": "JSON and Markdown in an easy self contained",
"orig": "JSON and Markdown in an easy self contained",
"text_direction": "left_to_right",
"confidence": 0.9741098171752292,
"from_ocr": true
},
{
"index": 2,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 70.66666666666667,
"r_y0": 153.33333333333334,
"r_x1": 154.0,
"r_y1": 153.33333333333334,
"r_x2": 154.0,
"r_y2": 128.66666666666666,
"r_x3": 70.66666666666667,
"r_y3": 128.66666666666666,
"coord_origin": "TOPLEFT"
},
"text": "package",
"orig": "package",
"text_direction": "left_to_right",
"confidence": 0.6702765056141881,
"from_ocr": true
}
],
"children": []
},
"text": "Docling bundles PDF document conversion to JSON and Markdown in an easy self contained package"
}
],
"body": [
{
"label": "text",
"id": 0,
"page_no": 0,
"cluster": {
"id": 0,
"label": "text",
"bbox": {
"l": 69.0,
"t": 74.66666666666667,
"r": 506.6666666666667,
"b": 153.33333333333334,
"coord_origin": "TOPLEFT"
},
"confidence": 0.9715733528137207,
"cells": [
{
"index": 0,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 71.33333333333333,
"r_y0": 99.33333333333333,
"r_x1": 506.6666666666667,
"r_y1": 99.33333333333333,
"r_x2": 506.6666666666667,
"r_y2": 74.66666666666667,
"r_x3": 71.33333333333333,
"r_y3": 74.66666666666667,
"coord_origin": "TOPLEFT"
},
"text": "Docling bundles PDF document conversion to",
"orig": "Docling bundles PDF document conversion to",
"text_direction": "left_to_right",
"confidence": 0.9555703127793324,
"from_ocr": true
},
{
"index": 1,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 69.0,
"r_y0": 126.66666666666667,
"r_x1": 506.6666666666667,
"r_y1": 126.66666666666667,
"r_x2": 506.6666666666667,
"r_y2": 100.66666666666667,
"r_x3": 69.0,
"r_y3": 100.66666666666667,
"coord_origin": "TOPLEFT"
},
"text": "JSON and Markdown in an easy self contained",
"orig": "JSON and Markdown in an easy self contained",
"text_direction": "left_to_right",
"confidence": 0.9741098171752292,
"from_ocr": true
},
{
"index": 2,
"rgba": {
"r": 0,
"g": 0,
"b": 0,
"a": 255
},
"rect": {
"r_x0": 70.66666666666667,
"r_y0": 153.33333333333334,
"r_x1": 154.0,
"r_y1": 153.33333333333334,
"r_x2": 154.0,
"r_y2": 128.66666666666666,
"r_x3": 70.66666666666667,
"r_y3": 128.66666666666666,
"coord_origin": "TOPLEFT"
},
"text": "package",
"orig": "package",
"text_direction": "left_to_right",
"confidence": 0.6702765056141881,
"from_ocr": true
}
],
"children": []
},
"text": "Docling bundles PDF document conversion to JSON and Markdown in an easy self contained package"
}
],
"headers": []
}
}
]
Reference in New Issue View Git Blame Copy Permalink