paddleocr自定义字典训练自己的数据集（rec模块）

    下载的paddleocr的2.3版本。地址是paddleocr
    检测模块用的是

    det模块跑的慢，所以训练了一下rec模块。
    默认的字典在ppocr_keys_v1.txt文件里面，6000多个符号。有些字识别的不是很好。从中挑选了60个字符，以同样的格式保存了一个txt文件（UTF-8格式）。在配置文件中把字典换为保存的txt文件名。

    这里为了方便生成训练图片只挑选了60个字。只在这里改字典好像在识别时是不起作用的，还是会用ppocr_keys_v1.txt文件识别，需要在paddleocr.py文件中做修改如下（或许有其它修改方法）：
    把

    for action in parser._actions:
        if action.dest in ['rec_char_dict_path', 'table_char_dict_path']:
            action.default = None

    修改为：

    for action in parser._actions:
        if action.dest in ['table_char_dict_path']:
            action.default = None

    训练的步骤如下：
    1.生成了包含文字的图片和标注文件（dec的标注文件。其中约750幅图片，这里用matlab生成，每幅图片包含20个字，从60个字的字典里面随机选取，字体5种，每种字体重复这20个字一次，但是顺序随机，字体大小没变化，背景基本没变，字体颜色固定)，图片本身比字体大。
    2.用paddleorc的det模块进行切割把切割后的图片作为rec模块训练用的图片。切割后的文件须检查一下，可能带标点符号的图片会被切割成两幅图，和标注文件对不上。
    3.测试时用同样的方式生成了750个包含文字的图片，把paddleocr的训练模型转为推理模型，进行识别，统计了一下，准确率还是挺高的，约99.8%。估计主要是字体大小、种类、和颜色等没怎么变化影响也较大的缘故。
    3.下面是一个简单的训练图片例子：

    下面附一个matlab生成图片和相应的rec标注文件的小程序。需要说明的是，txt文件需utf-8格式，字典字符个数这里是20的整数倍，好多字体插入到图片的时候不支持一些符号，会出现警告的提示，图片中文字的相应位置为空。下面的几种字体大多数字符都支持。图片插入文字速度不太快。

% generate image and label file for paddle ocr rec train with 20 word a
% line with a dict contains 60 words.
clear all;
close all;
lastwarn('');
fileName='part60WordDict.txt';
textFileId=fopen(fileName,'r','n','UTF-8');
outFile='outPart60DictLabel20.txt';
outLabelId=fopen(outFile,'w','n','UTF-8');

outImagePath='./selfPart60DictRec20/images/';   %folder for out image
if exist(outImagePath,'dir')==0
    mkdir(outImagePath);
end
ziTi={'STKaiti','STFangsong','STSong','STXihei','STZhongsong'}; % almost support font
ziNum=size(ziTi,2);
wordNum=60;
oneLineWord=20; % word number per line, wordNum should be N*oneLineWord
m1=60;  % image height
m2=660; % image width
num=1;
sep=sprintf('%s\t','');
wordAll=[];
while(~feof(textFileId))
    for k=1:oneLineWord
        if(~feof(textFileId))
            temp=textscan(textFileId,'%s',1,'Delimiter','\n');
            textDisp=temp{1}{1};
            if(size(textDisp)~=1)
                t=1;
            end
            wordAll=[wordAll textDisp];
        end
    end
end

for k=1:70
    wordOrder=randperm(wordNum,wordNum);
    wordTemp=wordAll(wordOrder);
    for s=1:oneLineWord:wordNum
        wordOutTemp=wordTemp(s:s+oneLineWord-1);
        for t=1:ziNum
            randWord=randperm(oneLineWord,oneLineWord);
            wordOut=wordOutTemp(randWord);
            randColor=randperm(55,1);
            A = ones(m1,m2,3,'uint8')*(200+randColor);  %generate image with viarable background
            imFileName=['im' num2str(num) '.jpg'];
            A=insertText(A,[m2/2,m1/2],wordOut,'TextColor','black','FontSize',32,'Font',ziTi{t},'BoxColor' ,'white','AnchorPoint' ,'Center');    %
            textOut=['train_data/selfPart60DictRec20' imFileName sep wordOut];
            fprintf(outLabelId,'%s\n',textOut);
            imwrite(A,[outImagePath imFileName]); 
            num=num+1;
        end
    end
end
fclose(textFileId);
fclose(outLabelId);