自己开发的分享给大家使用,自己生成数据集有几个好处:
1、保证深度学习数据集的数量。
2、不需要人工标注,而且标注相对准确的多。
3、可以参杂在人工标注的数据里面,做数据扩充。
4、在大量样本,需要人工标注,标注工作量大很麻烦的情况下,可以先用生成的数据集训练,然后再用训练好的网络去标注样本,然后将标注样本和生成数据集混在一起训练(少量负样本是不影响机器学习训练的),再自动标注,再合在一起训练,往返三四次即可,逐步提高网络准确度。完全不需要人工标注也可以实现监督学习。
我比较喜欢去合成自动生成的样本,并且成功实施过几次使用自动生成的数据集解决实际问题,非常好用,把思路推荐给大家的同时分享一个我刚做好的一个用于场景ocr的数据集合成工具。
使用Visual studio 2022开发
开发语言使用C#
开发框架WPF
Visual studio比较好用就是安装起来太麻烦。源码已经给大家了,可供大家学习参考,但是需要编译好的源程序或者有修改需求的可以私信我。
项目地址:
PositionTxtDataSets: 可以用来创建文本检测的数据集,用于学习交流。
推荐一个可以用来创建文本检测的数据集,用于学习交流。上示例:
生成的文本由中文、字母、数字、符号组成,颜色随机、背景色随机、如果使用了背景图,字体自动描边,适用于深度学习研究文本检测算法做数据集生成、补充、扩充。
软件架构
软件架构说明 wpf
安装教程
vs2022 framwork4.7
使用说明
1、编译运行
2、自己收集一些背景图,放在BackImgs中。程序会概率性的把这些图当作背景或者半透明的前景图使用。
3、点击按钮导出文件字体。程序会在目录下生成一个Fonts的文件夹,里面是所以支持的字体,删掉生成中不使用的字体。
4、点击开始生成,随机生成一张样例图片。
5、输入想生成的图片数量,勾选生成并导出即可生成图片和对应的标签,txt格式。