PaddleOCR —— 训练数据准备

数据生成

数据生成代码地址：
https://github.com/oh-my-ocr/text_renderer

垂直数据生成地址：
https://github.com/zcswdt/Color_OCR_image_generator/blob/c2a7138be2107b3b3736b76badf5c012c6befe0c/OCR_image_generator.py#L340

将竖直生成加入textrender

代码地址：
https://github.com/xmy0916/textrender
在textrender代码基础上加入竖直文本数据的生成：

中文语料下载

官网下载地址（不建议官网下载，速度太慢了…）：

https://dumps.wikimedia.org/zhwiki/latest/zhwiki-latest-pages-articles.xml.bz2
链接：https://pan.baidu.com/s/1OovD6F1Awyi8oErH_FY1kQ
提取码：2bfz

文件说明：

• zh_wiki.py: 繁体字与简体字对应的字典，代码来源:
  https://github.com/skydark/nstools/blob/master/zhtools/zh_wiki.py
• langconv.py: 繁体字与简体字转换的方法，代码来源: https://github.com/skydark/nstools/blob/master/zhtools/langconv.py
• chinese_corpus_preprocessing: 中文语料预处理方法，代码来源: 《python自然语言处理实战核心技术与算法》 涂铭、刘祥、刘树春著
• data:
  reduce_zhiwiki.txt: 进行了繁体转换为简体以及jieba分词后的语料数据集
  zhwiki-latest-pages-articles.xml.bz2: 未经处理的维基百科中文网页语料库

从csdn资源里下载的，我觉得学习资料这个东西吧，就免费共享就好了，csdn的资源还要积分下载，免费贡献给大家~