PPOCRLabel标注数据集与Style Text数据合成工具(身份ID识别)

1、项目简介

额外推荐项目，身份证号识别项目从制作数据集到完整识别全流程可参考如下项目,仅项目与数据集供学习使用切勿用于商用或违法犯罪，仅供学习:

基于OCR身份证号码识别全流程
PPOCRLabel半自动工具标注自制身份证数据集

PPOCRLabel半自动标注工具的环境配置比较麻烦,所以这里作者把已经配置好的环境放在百度云盘里面,直接免费提供。conda仓库环境配置，直接解压到本地: Anaconda3/envs/ 目录下即可 提取码:6666 点我直接下载

1.1 本项目简单介绍Style text 与ppocrlabel标注工具。

• 系统环境：Win10
• ppocrlabel运行工具 ：PyCharm 2020.3.3 x64
• 开发环境配置工具：Anaconda
• 开发环境：python 3.8

1.2 关于本项目

本项目简单介绍Style text 与ppocrlabel标注工具，使得收集数据更加容易，使用Style text 工具批量制作所需要的数据，然后使用ppocrlabel标注工具做出模型所需要的数据集格式，可直接点我进入项目地址查看代码详情。希望大家多交流观点、介绍经验，共同学习进步,可以互相关注♥。个人主页

1.3 简介

PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力使用者训练出更好的模型，并应用落地。

Style-Text主要框架包括：1.文本前景风格迁移模块 2.背景抽取模块 3.融合模块。经过这样三步，就可以迅速实现图像文本风格迁移

1.4 主要介绍

• 数据工具
  • 数据合成工具Style-Text
  • 半自动标注工具PPOCRLabel

1.5 特性

• 超轻量级中文OCR模型，总模型仅8.6M
  • 单模型支持中英文数字组合识别、竖排文本识别、长文本识别
  • 检测模型DB（4.1M）+识别模型CRNN（4.5M）
• 实用通用中文OCR模型
• 多种预测推理部署方案，包括服务部署和端侧部署
• 多种文本检测训练算法，EAST、DB
• 多种文本识别训练算法，Rosetta、CRNN、STAR-Net、RARE
• 可运行于Linux、Windows、MacOS等多种系统

数据合成工具Style-Text详细介绍及其使用请查看项目地址

2、半自动标注工具PPOCRLabel

2.1 在自己的电脑上拉取

git clone https://gitee.com/paddlepaddle/PaddleOCR.git

这里我用的PyCharm打开的项目

2.2 配置环境

• scikit-image==0.17.2
• imgaug==0.4.0
• pyclipper
• lmdb
• tqdm
• numpy
• paddlepaddle 报错的话 缺什么导入什么
• visualdl
• python-Levenshtein
• opencv-contrib-python==4.2.0.32
• shapely 这个不要着急导入，一般有点不适配，参考此篇博客导入，点我进入

2.3 使用半自动标注工具PPOCRLabel

首先进入PyCharm，打开终端，cd进入到 PaddleOCR\PPOCRLabel\这个文件夹内，输入"python PPOCRLabel.py --lang ch",环境没问题的话即可打开PPOCRLabel半自动标注工具

#代码实现，将文件夹内不规整的图片名字，逐个输出为示例：“2_1.jpg 、2_2.jpg、2_3.jpg ”等等 ，前面的 "2" 是文件夹名 "_1,_2,_3..."
import os
import re
"""批量修改文件夹的图片名"""
def ReFileName(dirPath,pattern):
    """
    :param dirPath: 文件夹路径
    :pattern:正则

    :return:
    """
    # 对目录下的文件进行遍历
    i = 1
    for file in os.listdir(dirPath):
        # 判断是否是文件
        file_new = os.path.join (dirPath, file)

        if os.path.isfile(file_new) == True and  file_new.endswith(".jpg"):
           #c= os.path.basename(file)
           newName = re.sub(pattern,'M_'+str(i)+'.jpg', file)  #手动修改文件夹名M
           x,y,z = newName.partition ('.')  #按.分割
           newName = x+".jpg"
           newFilename = file.replace(file, newName)
           # 重命名
           os.rename(os.path.join(dirPath, file), os.path.join(dirPath, newFilename))
           i+=1
    print("图片名已全部修改成功")

if __name__ == '__main__':

    dirPath = r"D:\PyCharm\Pro\OCR\PaddleOCR\PPOCRLabel\train_data\/M"  #M文件夹内的图片路径
    pattern = re.compile(r'.*')
    ReFileName(dirPath,pattern)

经过上诉代码输出的名字示例：

2.4 PPOCRLabel开始标注

2.5 PPOCRLabel完成

标注完成后，每个文件夹会生成三个文件，Cache.cach—标注缓存文件、fileState.txt—标注状态文件、Label.txt—标签文件

得到标签文件后就可以，喂给det网络训练啦，标签文件示例：

下一个项目实战，paddleocr