注意
您正在阅读 MMOCR 0.x 版本的文档。MMOCR 0.x 会在 2022 年末开始逐步停止维护，建议您及时升级到 MMOCR 1.0 版本，享受由 OpenMMLab 2.0 带来的更多新特性和更佳的性能表现。阅读 MMOCR 1.0 的维护计划、 发版日志、 代码 和 文档 以了解更多。
文字检测¶
概览¶
文字检测任务的数据集应按如下目录配置：
├── ctw1500
│ ├── annotations
│ ├── imgs
│ ├── instances_test.json
│ └── instances_training.json
├── icdar2015
│ ├── imgs
│ ├── instances_test.json
│ └── instances_training.json
├── icdar2017
│ ├── imgs
│ ├── instances_training.json
│ └── instances_val.json
├── synthtext
│ ├── imgs
│ └── instances_training.lmdb
│ ├── data.mdb
│ └── lock.mdb
├── textocr
│ ├── train
│ ├── instances_training.json
│ └── instances_val.json
├── totaltext
│ ├── imgs
│ ├── instances_test.json
│ └── instances_training.json
| 数据集名称 | 数据图片 | 标注文件 | ||
|---|---|---|---|---|
| 训练集 (training) | 验证集 (validation) | 测试集 (testing) | ||
| CTW1500 | 下载地址 | - | - | - |
| ICDAR2015 | 下载地址 | instances_training.json | - | instances_test.json |
| ICDAR2017 | 下载地址 | instances_training.json | instances_val.json | - |
| Synthtext | 下载地址 | instances_training.lmdb (data.mdb, lock.mdb) | - | - |
| TextOCR | 下载地址 | - | - | - |
| Totaltext | 下载地址 | - | - | - |
重要提醒¶
注解
若用户需要在 CTW1500, ICDAR 2015/2017 或 Totaltext 数据集上训练模型, 请注意这些数据集中有部分图片的 EXIF 信息里保存着方向信息。MMCV 采用的 OpenCV 后端会默认根据方向信息对图片进行旋转；而由于数据集的标注是在原图片上进行的，这种冲突会使得部分训练样本失效。因此，用户应该在配置 pipeline 时使用 dict(type='LoadImageFromFile', color_type='color_ignore_orientation') 以避免 MMCV 的这一行为。（配置文件可参考 DBNet 的 pipeline 配置）
准备步骤¶
ICDAR 2015¶
第一步：从下载地址下载
ch4_training_images.zip、ch4_test_images.zip、ch4_training_localization_transcription_gt.zip、Challenge4_Test_Task1_GT.zip四个文件，分别对应训练集数据、测试集数据、训练集标注、测试集标注。第二步：运行以下命令，移动数据集到对应文件夹
mkdir icdar2015 && cd icdar2015
mkdir imgs && mkdir annotations
# 移动数据到目录：
mv ch4_training_images imgs/training
mv ch4_test_images imgs/test
# 移动标注到目录：
mv ch4_training_localization_transcription_gt annotations/training
mv Challenge4_Test_Task1_GT annotations/test
第三步：下载 instances_training.json 和 instances_test.json，并放入
icdar2015文件夹里。或者也可以用以下命令直接生成instances_training.json和instances_test.json:
python tools/data/textdet/icdar_converter.py /path/to/icdar2015 -o /path/to/icdar2015 -d icdar2015 --split-list training test
ICDAR 2017¶
与上述步骤类似。
CTW1500¶
第一步：执行以下命令，从 下载地址 下载
train_images.zip，test_images.zip，train_labels.zip，test_labels.zip四个文件并配置到对应目录：
mkdir ctw1500 && cd ctw1500
mkdir imgs && mkdir annotations
# 下载并配置标注
cd annotations
wget -O train_labels.zip https://universityofadelaide.box.com/shared/static/jikuazluzyj4lq6umzei7m2ppmt3afyw.zip
wget -O test_labels.zip https://cloudstor.aarnet.edu.au/plus/s/uoeFl0pCN9BOCN5/download
unzip train_labels.zip && mv ctw1500_train_labels training
unzip test_labels.zip -d test
cd ..
# 下载并配置数据
cd imgs
wget -O train_images.zip https://universityofadelaide.box.com/shared/static/py5uwlfyyytbb2pxzq9czvu6fuqbjdh8.zip
wget -O test_images.zip https://universityofadelaide.box.com/shared/static/t4w48ofnqkdw7jyc4t11nsukoeqk9c3d.zip
unzip train_images.zip && mv train_images training
unzip test_images.zip && mv test_images test
第二步：执行以下命令，生成
instances_training.json和instances_test.json。
python tools/data/textdet/ctw1500_converter.py /path/to/ctw1500 -o /path/to/ctw1500 --split-list training test
TextOCR¶
第一步：下载 train_val_images.zip，TextOCR_0.1_train.json 和 TextOCR_0.1_val.json 到
textocr文件夹里。
mkdir textocr && cd textocr
# 下载 TextOCR 数据集
wget https://dl.fbaipublicfiles.com/textvqa/images/train_val_images.zip
wget https://dl.fbaipublicfiles.com/textvqa/data/textocr/TextOCR_0.1_train.json
wget https://dl.fbaipublicfiles.com/textvqa/data/textocr/TextOCR_0.1_val.json
# 把图片移到对应目录
unzip -q train_val_images.zip
mv train_images train
第二步：生成
instances_training.json和instances_val.json:
python tools/data/textdet/textocr_converter.py /path/to/textocr
Totaltext¶
第一步：从 github dataset 下载
totaltext.zip，从 github Groundtruth 下载groundtruth_text.zip。（建议下载.mat格式的标注文件，因为我们提供的标注格式转换脚本totaltext_converter.py仅支持.mat格式。）
mkdir totaltext && cd totaltext
mkdir imgs && mkdir annotations
# 图像
# 在 ./totaltext 中执行
unzip totaltext.zip
mv Images/Train imgs/training
mv Images/Test imgs/test
# 标注文件
unzip groundtruth_text.zip
cd Groundtruth
mv Polygon/Train ../annotations/training
mv Polygon/Test ../annotations/test
第二步：用以下命令生成
instances_training.json和instances_test.json：
python tools/data/textdet/totaltext_converter.py /path/to/totaltext -o /path/to/totaltext --split-list training test