PaddleOCR二次全流程——4. 使用PPOCRLabel标注数据
在PaddleOCR的FAQ集合中没有看到一个与PPOCRLabel相关的问题，同时这个工具发布时间也很新，2020年12月左右发布的，尝试一下新事物，但是不要抱太大的希望。
1. 安装
官方说明文档网站：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.0/PPOCRLabel/README_ch.md
不对安装详细过程作说明，只说遇到的两个坑
1.1 报错：ImportError: cannot import name 'inference' from 'paddle'
按照官方文档的安装一遍之后，报错：ImportError: cannot import name 'inference' from 'paddle'，根据以下回答：
- https://github.com/PaddlePaddle/PaddleOCR/issues/1592
- paddle 下没有 inference方法
我之前用的是以前的PaddlePaddle1.8.5版本，需要升级到2.0rc1版本，代码
python -m pip install paddlepaddle==2.0.1 -i https://mirror.baidu.com/pypi/simple
1.2 OSError: [WinError 126] 找不到指定的模块。
这个错误见过很多次了，由于shapely库导致的，去这里直接下载wheel文件手动安装。先卸载之前安装的，再安装新的就好了
2. 使用
切换到ppocrlabel文件夹中，运行
cd ./PPOCRLabel # 将目录切换到PPOCRLabel文件夹下
conda activate rl37 # (换成自己配置好的那个环境)
python PPOCRLabel.py --lang ch
可以看到运行的时候，其实会下载一些之前的预训练模型。然后就可以看到界面
- 点击
自动标注，等一会，图片界面就会出现标记框（会直接标记当前打开目录下的所有图片），右侧就会出现识别的结果和检测框位置。 - 虽然界面好像丑了点，但是效果确实8错，(๑•̀ㅂ•́)و✧，，早知道就早点用了，哈哈。
- 然后就自己手动调整不太对的框，然后重新编辑一下识别结果。
- 可以在图片所在的文件夹（不是ppocrlabel程序所在的文件夹），看到自动标注后，产生了两个文件(除了
Cache.cach)，fileState.txt，Label.txt文件，根据下面注意中的说明，可以知道这些文件的用途。
注意：
- PPOCRLabel不支持对中文文件名的图片进行自动标注
- PPOCRLabel以文件夹为基本标记单位，打开待标记的图片文件夹后，不会在窗口栏中显示图片，而是在点击 “选择文件夹” 之后直接将文件夹下的图片导入到程序中。
- 图片状态表示本张图片用户是否手动保存过，未手动保存过即为 “X”，手动保存过为 “√”。点击 “自动标注”按钮后，PPOCRLabel不会对状态为 “√” 的图片重新标注。
- 点击“重新识别”后，模型会对图片中的识别结果进行覆盖。因此如果在此之前手动更改过识别结果，有可能在重新识别后产生变动。
- PPOCRLabel产生的文件放置于标记图片文件夹下，包括以下几种，请勿手动更改其中内容，否则会引起程序出现异常。
另外，标注完之后，可以ctrl+S，然后就会提示要不要报错，或者关闭程序界面的时候也会提示，也可以自己每标注完一张，点击右下角的确认
点击过确认后，这张图像在文件列表中的图像名前面的符号就会变成√（绿色的对勾）。
3. 关于标签文件
我的真实数据目前很少，只有6张图，但是每张图中的文字信息很密集，很多，所以标记文件内容也还是比较丰富，大致如下：
先是文件名称，然后是一个列表，列表中包括多个文本字典，字典的第一项是文字识别的结果（transcription），第二项是列表，矩形框四个顶点的位置，第三项是识别难度的分级结果。
所以如果单纯像进行识别任务的训练，可以在文件→保存识别结果，然后会提示保存到了哪里，一般是当前选定的图片目录下新建一个叫crop_img的文件夹。
大致如下：
同时，还是在当前选定的图片目录下（不是crop_img目录中），会新产生一个rec_gt.txt的文件，这就是识别的标签文件，大致如下：
完全符合PaddleOCR模型训练的要求（可能文件名这些需要修改一下，直接python文件处理一下就好。）
4. 关于PPOCRLabel的主观评价
- 之前一直是使用LabelImg或者是LabelMe的，这个PPOCRLabel没有
ctrl+Z返回上一步，也没有ctrl+Y下一步 - 界面丑了点
- 自动识别挺好的，哈哈