OCR 语料数据集生成工具

这段时间和同事一起写的OCR数据生成器(也可生成文字检测数据(直接输出voc格式，coco格式后期会补上去)、字体分类数据(在json 文件里有标注))，主要针对特殊场景文字识别及检测，可能对自然场景的文字生成支持不够好(因为我们没有加入场景深度估计，虽然是贴图贴在平滑区域，但是还是缺少了语义)。

github地址：(github 地址)

---

特性：

生成基于不同语料的，不同字体、字号、颜色、旋转角度的文字贴图

支持多进程快速生成

文字贴图按照指定的布局模式填充到布局块中

在图像中寻找平滑区域当作布局块

支持文字区域的图块抠取导出（导出json文件，txt文件和图片文件，可生成voc数据，coco格式coming soon!）

支持用户自己配置各项生成配(图像读取，生成路径，各种概率)

---

数据生成格式：

OCR数据主要以  图像  和  txt  文件构成， txt文件内容(中间靠 '^' 这个符号分割, 可自己配置):

xxxxxxxxxxx.jpg^abcdefgadagf

ccccccccccc.jpg^nhdnciemcs

图片名.jpg^语料里的句子

---

生成效果图：（背景图片如侵权请联系本人删除）

​

​使用方法：

环境安装(Python3.6+，建议使用conda环境)

pip install requirements.txt

sh make.sh

编辑配置文件config.yml（可选，配置自己的一些路径，或线程数等）

python3 run.py

生成的数据存放在config.yml中的provider> layout> out_put_dir指定的目录下。

​

​

​