中文检测的数据集，目前最火的应该是清华的CTW，https://ctwdataset.github.io/ 但是它的数据集只存储在微云和google driver，微云空间受限不能完全保存，所以下载的时候很蛋疼。我这边就挑了一个相对较小的数据集——MSRA TD5000，这个数据集支持中英文的倾斜文本检测。

详情参考MSRA的官方地址：http://www.iapr-tc11.org/mediawiki/index.php/MSRA_Text_Detection_500_Database_(MSRA-TD500)

里面的内容为图片和label，这里的label表示方法很蛋疼，是RBOX风格的，即

index, defficult label, x, y, width, height, theta

这里这个theta不好理解，其实它是弧度...

弧度就是角度的一种度量方式，是用弧长与半径的比来计算。因此0表示0度，π表示180度，π/2表示90度。

在python中，可以通过math.radius()来做角度和弧度的变换。

print(math.radians(90)) # 1.5707963267948966

print(math.radians(180)) # 3.141592653589793

print(math.radians(360)) # 6.283185307179586

一般的深度学习算法，接收的矩形框都是QUAD风格的，即：

x1,y1,x2,y2,x3,y3,x4,y4,text

因此我这边通过Python代码进行了坐标的变换：

def rotate(angle, x, y):

"""

基于原点的弧度旋转

:param angle: 弧度

:param x: x

:param y: y

:return:

"""

rotatex = math.cos(angle) * x - math.sin(angle) * y

rotatey = math.cos(angle) * y + math.sin(angle) * x

return rotatex, rotatey

def xy_rorate(theta, x, y, centerx, centery):

"""

针对中心点进行旋转

:param theta:

:param x:

:param y:

:param centerx:

:param centery:

:return:

"""

r_x, r_y = rotate(theta, x - centerx, y - centery)

return centerx+r_x, centery+r_y

def rec_rotate(x, y, width, height, theta):

"""

传入矩形的x,y和宽度高度，弧度，转成QUAD格式

:param x:

:param y:

:param width:

:param height:

:param theta:

:return:

"""

centerx = x + width / 2

centery = y + height / 2

x1, y1 = xy_rorate(theta, x, y, centerx, centery)

x2, y2 = xy_rorate(theta, x+width, y, centerx, centery)

x3, y3 = xy_rorate(theta, x, y+height, centerx, centery)

x4, y4 = xy_rorate(theta, x+width, y+height, centerx, centery)

return x1, y1, x2, y2, x3, y3, x4, y4

再重新写回txt文本里面就可以了。

查看原文