PaddleOCR训练自己模型（1）----数据准备

一、下载地址：

PaddleOCR开源代码（下载的是2.6RC版本的，可以根据自己需求下载）

具体环境安装就不详细介绍了， 挺简单的，也挺多教程的。

二、数据集准备及制作

（1）下载完代码及配置完环境之后，运行PPOCRLabel.py文件，打开标注软件（2.7版本的会运行报错，解决方案如下）解决PPOCRLabel.py报错operands could not be broadcast together with shapes (213,488,4) (1,1,3)-CSDN博客

（2）运行成功后，点击文件，导入图片所在的路径，然后点击自动标注

（3）自动标注完之后，核对每一张的标签。核对完成之后点击确认，否则导出的时候不会显示

（4）点击左上角的文件，导出标记结果， 导出识别结果。两个文件都导出完之后，会多生成几个文件。

 

（5）在PaddleOCR下创建一个train_data文件夹，然后将标注好的整个文件夹复制到train_data里。

（6）打开PPOCRLabel/gen_ocr_train_val_test.py文件，把路径修改为自己的路径，然后运行gen_ocr_train_val_test.py

（7）运行结束之后会在train_data里面生成det和rec两个文件夹，分别对应定位和文字识别的数据

使用2.6版本代码生成的txt文件会有空行，训练时会报错估计是bug。如果有空行可以通过下面代码来修改，把det和rec两个文件夹下的txt文件都修改（代码路径自行修改）

import os
import json

# 1.读取txt文件， 把文件里的空行去除,并更新到原文件
txt_path = r"D:\Github_Code\PaddleOCR\train_data\rec\train.txt"

# 读取txt文件， 把文件里的空行去除,并更新到原文件
def read_txt(txt_path):
    with open(txt_path, 'r', encoding='utf-8') as f:
        lines = f.readlines()
    new_lines = []
    for line in lines:
        if line.strip() != '':
            new_lines.append(line)
    with open(txt_path, 'w', encoding='utf-8') as f:
        f.writelines(new_lines)
    return new_lines

lines = read_txt(txt_path)