数据集概述
本数据集是论文《Image2SMILES: Transformer-based Molecular Optical Recognition Engine》的测试数据集，包含从《Journal of Organic Chemistry》2020年各卷24篇论文中提取的296组分子结构数据，每组含图像及对应官能团SMILES（FG-SMILES），用于分子光学识别模型测试。
文件详解
- 文件名称：Molecule_OCR_real_images.zip
- 文件格式：ZIP
- 字段映射介绍：压缩包内包含296组分子结构相关数据，每组对应1张分子图像文件及1个记录该分子官能团SMILES（FG-SMILES）的文件，具体字段需解压后查看原始文件结构。
数据来源
论文《Image2SMILES: Transformer-based Molecular Optical Recognition Engine》
适用场景
- 分子光学识别模型测试: 用于验证Transformer基分子光学识别引擎（Image2SMILES）从图像提取分子结构的准确性。
- 有机化学分子结构数字化研究: 辅助开发从学术论文图像中自动提取分子SMILES的技术工具。
- 化学文献数据挖掘: 为批量处理有机化学论文中的分子图像、构建结构化分子数据库提供测试数据。
- 跨模态分子数据转换研究: 探索图像到SMILES字符串的跨模态转换算法性能优化方向。
