CTPN代码研读（一）数据集的使用以及模型

CTPN代码研读系列：

1. 数据集的使用以及模型
2. utils/prepare/label
3. utils/dataset/data_provider

(本内容为自己理解，如有错误欢迎指正)

基础信息介绍：

本系列代码为ctpn的tensorflow版本研读：

博主的论文原文研读（中文版）：https://blog.csdn.net/qq_35307005/article/details/86773268
github代码地址：
https://github.com/eragonruan/text-detection-ctpn
论文原文地址：
https://arxiv.org/pdf/1609.03605.pdf
demo：
http://textdet.com/

作者参加的比赛为ICDAR2013 的MLT（自然场景多语言文本检测竞赛）
使用的数据集也是这个。

1.输入的数据集标签

gt_img_859.txt

数据集格式：
从左到右，分别为

 x1,y1,x2,y2,x3,y3,x4,y4（四个检测框的x,y坐标）,语种，识别出的字符   

1192,1862,2424,1895,2405,2428,1185,2366,english,8512
846,1280,1092,1379,1088,1478,831,1390,english,###
299,1123,585,1222,536,1370,240,1291,english,###

2.输出的数据标签

img_859.txt

238,376,239,479
240,376,255,479
256,377,271,480
272,377,287,481
288,378,303,482
304,378,319,482
320,378,335,483
336,379,351,484
352,379,367,485
368,380,383,486
384,380,399,487
400,381,415,487
416,381,431,488
432,382,447,489
448,382,463,490
464,382,479,491
480,383,495,491
167,257,175,286
176,261,191,289
192,267,207,295
208,274,223,300
48,223,63,265
64,228,79,269
80,234,95,273
96,239,111,278
112,245,127,282

ICDAR2013标注格式： xmin, ymin, xmax, ymax, text

其中，xmin, ymin为左上角坐标，xmax, ymax为右下角坐标

eg：38, 43, 920, 215, “Tiredness”

ICDAR2015标注格式： x1,y1,x2,y2,x3,y3,x4,y4,text

其中，x1,y1为左上角坐标,x2,y2为右上角坐标,x3,y3为右下角坐标,x4,y4为左下角坐标。‘###’表示text难以辨认。

eg：377,117,463,117,465,130,378,130,Genaxis Theatre

eg：374,155,409,155,409,170,374,170,###

ICDAR2018标注格式： x1,y1,x2,y2,x3,y3,x4,y4,difficult,text

x1,y1为左上角坐标,x2,y2为右上角坐标,x3,y3为右下角坐标,x4,y4为左下角坐标。difficult为1表示text难以辨认，0表示容易辨认。

eg：390,902,1856,902,1856,1225,390,1225,0,“金氏眼镜”

**更多的代码信息可以见我的github项目：**ocr_learing:
https://github.com/simplify23/OCR-learnning

可以参考学习的博客：CTPN部分代码研读
https://www.cnblogs.com/fourmi/p/8980298.html