一个用于ocr中文本检测的数据集生成工具

自己开发的分享给大家使用，自己生成数据集有几个好处：

1、保证深度学习数据集的数量。

2、不需要人工标注，而且标注相对准确的多。

3、可以参杂在人工标注的数据里面，做数据扩充。

4、在大量样本，需要人工标注，标注工作量大很麻烦的情况下，可以先用生成的数据集训练，然后再用训练好的网络去标注样本，然后将标注样本和生成数据集混在一起训练（少量负样本是不影响机器学习训练的），再自动标注，再合在一起训练，往返三四次即可，逐步提高网络准确度。完全不需要人工标注也可以实现监督学习。

我比较喜欢去合成自动生成的样本，并且成功实施过几次使用自动生成的数据集解决实际问题，非常好用，把思路推荐给大家的同时分享一个我刚做好的一个用于场景ocr的数据集合成工具。

使用Visual studio 2022开发

开发语言使用C#

开发框架WPF

Visual studio比较好用就是安装起来太麻烦。源码已经给大家了，可供大家学习参考，但是需要编译好的源程序或者有修改需求的可以私信我。

项目地址：

PositionTxtDataSets: 可以用来创建文本检测的数据集，用于学习交流。

推荐一个可以用来创建文本检测的数据集，用于学习交流。上示例：

生成的文本由中文、字母、数字、符号组成，颜色随机、背景色随机、如果使用了背景图，字体自动描边，适用于深度学习研究文本检测算法做数据集生成、补充、扩充。

软件架构

软件架构说明 wpf

安装教程

vs2022 framwork4.7

使用说明

1、编译运行

2、自己收集一些背景图，放在BackImgs中。程序会概率性的把这些图当作背景或者半透明的前景图使用。

3、点击按钮导出文件字体。程序会在目录下生成一个Fonts的文件夹，里面是所以支持的字体，删掉生成中不使用的字体。

4、点击开始生成，随机生成一张样例图片。

5、输入想生成的图片数量，勾选生成并导出即可生成图片和对应的标签，txt格式。