paddleocr数据集格式

PaddleOCR 支持的数据集格式
PaddleOCR 是一种强大的开源 OCR 工具包，支持多种数据集格式以满足不同的应用场景需求。以下是关于其支持的数据集格式及其具体要求的详细介绍。
1. 数据集分类
PaddleOCR 的数据集主要分为两类：检测（Detection）和识别（Recognition）。每种任务对应的数据集格式有所不同[^4]。
2. 检测任务数据集格式
对于文字检测任务，通常采用标注文件来描述图像中的文本框位置。常见的标注文件格式如下：

标注文件结构标注文件通常是 .txt 文件，每一行表示一个图片对应的标签信息。具体的格式为：
图片路径 文本框坐标1 文本框坐标2 ... 文本框坐N
登录后复制

文本框坐标每个文本框由一系列顶点坐标组成，一般按照顺时针顺序排列。例如：
img_1.jpg 87,195,187,195,187,225,87,225 text1 100,100,200,100,200,200,100,200 text2
登录后复制
上述例子中，第一个文本框的四个角点分别为 (87,195), (187,195), (187,225), (87,225)，第二个文本框则依次类推[^3]。

3. 识别任务数据集格式
针对文字识别任务，数据集中除了包含图片外还需要提供相应的字符序列作为标签。常见格式如下：

LMDB 格式
LMDB 是一种键值数据库存储方式，在 OCR 领域被广泛应用于高效读取大量小尺寸图片。可以通过工具将普通的图片目录转换成 LMDB 格式的数据库。

普通文本列表格式
如果不使用 LMDB，则可以直接准备一个纯文本列表文件，其中每一行记录了一张图片的位置以及它所代表的文字内容：
/path/to/image1.png label_for_image1
/path/to/image2.png label_for_image2
...
登录后复制

4. 示例代码展示如何加载自定义数据集
下面是一个简单的 Python 脚本示例，演示了如何利用 train.py 来训练基于自定义数据集的模型[^2]:
!python tools/train.py \
-c configs/rec/chinese_rec_config.yml \
--validate \
--epoch_num=100 \
--use_gpu=True \
--pretrained_model=output/best_accuracy \
--checkpoint_dir=output/checkpoints
登录后复制
上述命令指定了配置文件路径、验证开关状态、总轮次数量以及其他必要参数。