识别精度验证

[trizh]

很高兴社区有人开源多语言版本识别器。 我想了解你们识别精度，和字符正确率。 我自己在RCTW和一个手写数据集试图训练一个中文识别器，但精度很差

[bityigoss]

抱歉，我没有在RCTW上做过，只是基于生成的数据训练的

[trizh]

你介意分享一下你用TextRecognitionDataGenerator生成文本数据的时用的中文预料库吗?还说生成的中文字符是随机的,没有语义的?

[bityigoss]

我已经将我使用的语料上传，你可以到百度网盘地址下载 。code:pwic 语料均来源于开源数据集，其中300万来源于其他repo中常用的语料（每条长度好像是10），其余数据从搜狗news，wiki数据中提取，每条字数大概是8-25，train/val数据实际是随机split出来的。 对语料进行了简单的字频采样，样本条数不足的文字（主要是一些生僻字），也有进行随机拼凑，或者重复上采样（语料文本相同，但是生成的图片不同）形成的（也就是你说的没有语义）。