OCR标注方法

虽然说标注工作不是由算法工程师负责的，但是如何标注，标注要求却是由算法工程师指导标注人员去实施的，如果标注工作人员标注的数据有问题，就会出现模型训练不收敛的问题，导致很多问题的出现，所以标注要求很重要，在一开始的时候就要整理好标注要求，讲清楚标注要求，这样就能减少标注工作的反复无用功。

接下来就说一下具体的标注规范：

框的规范

1. 同一行数据，最好标在一个框里。

2. 根据目标的形态，灵活选取横向、竖向和倾斜的方式，将文本按照四点标注的画法框选

3. 框要贴合文本，不要有过多的空余区域

4. 斜文本也要尽力贴合。

像这种弯曲的文本，就不要自觉聪明的框成这样，完全就是错误的标注方式。

而是应该让框更加贴合文本去框。

标注顺序

1、有语意时：标注框的四点顺序要按照文本语意的顺序去标。

2、无语意时：按照阅读顺序横向文本-从左至右、竖向文本-从上至下、倾斜文本-从上至下的顺序标矩形的四个点。

模糊字和变形字

1、模糊不清的文本需要舍弃（模糊字体不要联想上下文去看）

2、只要字体轮廓整体清晰，部分笔画模糊转写了可以给到合格

3、模糊/变形字的空格代替使用规则

（1）正常文本中模糊字变形字3个(即≥3个)，则整行舍弃

（2）正常文本中间出现的1个(连续2个或连续3个)模糊变形字体，均只用一个空格代替

（3）句首/尾模糊字/舍弃字,可以单独框选舍弃,可以用空格代替

（4）可当做模糊和变形字处理，用空格代替的其他情况：重叠导致无法识别的文字、不符合

转写规则的遮挡缺失文字等

遮挡字

1、未被遮挡字需要转写，遮挡处空格代替，不能整行舍弃

2、遮挡宽度及画框规则

（1）被遮挡处距离未达到3个(即<3)个字符时，未被遮挡的部分必须整行一起框选。如图2框

法错误

（2）被遮挡处距离达到3个(≥3)个字符时，未被遮挡的部分必须分框转写。

（3）纯英文文本中，被遮挡部分间隔以最宽的字母的为参照

（4）中英文混合文本，被遮挡部分间隔以最宽的汉字为参照

3、文字缺失

（1） ①~③三点规则，图片边缘，图片中间均适用

（2）①剩余部分≥1/2，且人为客观可识别的文字正常框选转写；

（3） 剩余部分≥1/2，但人为客观无法识别的文字或一些简单的文字，少了一横、一竖、一撇

or截断文字有歧义必须舍弃；

（4）②剩余部分＜1/2，且文字很小，舍弃框难画时，可不处理(舍弃可过)；剩余部分＜1/2，

但）

（5）③剩余部分＜1/5，的较大文字，可不处理

（6）④左右/上下结构的文字，存在遮盖情况转写规则：

存在遮盖，但不影响整字识别，必须整字转写；

存在遮盖，影响整字识别，未被遮盖的一半不能识别为一个字时,必须整字舍弃；

存在遮盖，影响整字识别，未被遮盖的一半能识别为一个字，但被遮盖的一半,剩余部分≥1/5

时,必须整字舍弃;

存在遮盖，影响整字识别，未被遮盖的一半能识别为一个字，且被遮盖的一半,剩余部分<1/5

时,必须转写该半文字，剩余部分可舍弃，可不处理