# GenMLTData

**Repository Path**: milixiang/GenMLTData

## Basic Information

- **Project Name**: GenMLTData
- **Description**: 用于合成多语种ocr数据
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2021-08-17
- **Last Updated**: 2021-08-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# GenMLTOCR

#### 介绍
用于合成多语种ocr数据

#### 软件架构
随机选择背景、语料、字体进行合成

#### 示例图片

![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._00.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._01.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._02.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._03.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._04.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._05.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._06.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._07.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._08.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._09.jpg)
![Image](https://gitee.com/hero_wu/GenMLTData/raw/master/demo_data/0/13.35._10.jpg)

#### 使用说明

1.  搜集背景图片，放入bg文件夹下，或者使用我处理好的图片：链接: https://pan.baidu.com/s/13eEXMYPqTn7t4MejMzNDQg  密码: w21b
2.  搜集对应语种的字体文件，放入Synthtext/data/font 文件夹下，拷贝之前先删除该文件夹下的所有字体,然后运行Synthtext下的test_font.py，自动删除有问题的字体
3.  生成对应语种的语料文件，示例在Synthtext/data/cn.txt，示例代码在gen_corpus.py中
4.  修改Synthtext/data_cfg.py中的字体、语料文件、背景图片路径
5.  修改cfg.py中的data_dir（合成图片存放的路径），sample_num（合成数据的数量）
6. 运行debug_datagen1.py，检查错误，并根据错误进行修改
7. 运行my_datagen.py开始合成数据


#### 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request