OCR 识别

通过生成各种字体的文本，自动生成中文手写体图片，并做了数据增强，用于文本区域检测算法训练。

建立环境

conda create -n  ocr-cn python=3.6 pip scipy numpy ##运用conda 创建python环境
source activate ocr-cn
pip install -r requirements.txt -i https://mirrors.163.com/pypi/simple/

字符串切割

sh split_text/split_text.sh split_text/sample_data/test.txt   

可以根据实际需要 替换自己生成数据的文本内容

生成合成图片

python3 synth_image/run.py -c 3 --font_dir synth_image/fonts/cn -i dataset/text_split.txt -lc 50
python3 synth_image/run.py -c 20 --font synth_image/fonts/cn/仿宋_GB2312.ttf -i dataset/text_split_en.txt -lc 10 --output_dir ~/datasets/en_20


#  -c               生成数据的数量
#  --font_dir       字体文件夹
#  -lc              每张图片最多的字符串数量 

可以根据实际需要 选择字体文件

参考内容

• icdar dataset
• 文本生成图片 TRDG 文本生成图片代码
• 可以添加多种手写字体文件 免费中文字体文件下载地址

示例图片