ICDAR2015格式怎么准备？OCR训练数据集保姆级教程
在使用OCR文字检测模型进行微调训练时，数据集的格式规范至关重要。尤其是当你使用像cv_resnet18_ocr-detection OCR文字检测模型 构建by科哥这类基于标准框架构建的模型时，输入数据必须严格遵循ICDAR2015格式，否则训练过程会直接报错或效果极差。
本文将手把手带你从零开始准备符合ICDAR2015标准的OCR训练数据集，涵盖目录结构、标注文件编写、列表生成、常见问题排查等全流程，确保你一次就能成功启动训练任务。
1. 什么是ICDAR2015数据格式？
ICDAR（International Conference on Document Analysis and Recognition）是文档分析与识别领域的顶级会议，其发布的公开竞赛数据集已成为OCR领域的重要基准之一。其中ICDAR2015特别关注自然场景下的文字检测任务，因此被广泛用于训练和评估通用OCR检测模型。
该格式的核心特点是：
- 图像为真实拍摄的自然场景图（如街景、广告牌、产品包装等）
- 标注以四边形框（quadrilateral）形式标注文本区域
- 每个文本框包含坐标 + 文本内容
- 支持多语言、倾斜、模糊文本
正因为这种灵活性和实用性，很多工业级OCR模型都采用ICDAR2015作为默认训练格式。
2. 数据集整体目录结构设计
要让模型正确读取你的自定义数据，必须严格按照以下目录结构组织文件：
custom_data/ ├── train_list.txt # 训练集图像与标签对应关系 ├── train_images/ # 存放所有训练图片 │ ├── 1.jpg │ └── 2.jpg ├── train_gts/ # 存放每个训练图片对应的标注文件 │ ├── 1.txt │ └── 2.txt ├── test_list.txt # 测试集图像与标签对应关系 ├── test_images/ # 存放测试图片 │ └── 3.jpg └── test_gts/ # 存放测试图片的标注文件 └── 3.txt注意：这个结构是硬性要求，不能随意更改路径名称或层级。如果你用的是
cv_resnet18_ocr-detection镜像中的“训练微调”功能，系统会自动在这个结构下查找数据。
3. 如何制作训练图片和标注文件
3.1 准备原始图片
你可以通过以下方式获取训练图片：
- 手机拍摄实际场景中的文字（如商品标签、说明书、海报）
- 截取网页或PDF中的图文区域
- 使用合成工具生成带背景的文字图像（如TextRecognitionDataGenerator）
建议：
- 图片清晰度高，避免严重模糊或压缩失真
- 包含不同字体、颜色、大小、方向的文字
- 单张图片中可有多个文本块
- 支持JPG、PNG、BMP格式
3.2 编写标注文件（.txt）
每张图片对应一个同名的.txt标注文件，放在train_gts/或test_gts/目录下。
标注格式说明
每一行代表一个文本框，格式如下：
x1,y1,x2,y2,x3,y3,x4,y4,文本内容(x1,y1)：左上角点(x2,y2)：右上角点(x3,y3)：右下角点(x4,y4)：左下角点- 最后是该框内的实际文本内容
示例标注文件1.txt
100,50,200,50,200,80,100,80,欢迎光临小店 300,120,450,110,455,140,305,130,全场八折优惠这表示图片中有两个文本区域，分别用四边形坐标框出，并附上了识别结果。
特殊情况处理
如果文本不可识别（比如遮挡、模糊），可以用
###代替文本内容：150,200,250,200,250,230,150,230,###多行文本？每行单独写一行即可
中文、英文混合？直接写原文，无需转码
4. 生成训练/测试列表文件
模型需要知道哪些图片参与训练、哪些用于验证，这就靠train_list.txt和test_list.txt来指定。
列表文件格式
每行一条记录，格式为：
相对路径_to_image 相对_path_to_gt_file示例train_list.txt
train_images/1.jpg train_gts/1.txt train_images/2.jpg train_gts/2.txt示例test_list.txt
test_images/3.jpg test_gts/3.txt注意：路径是相对于
custom_data/根目录的，不要加/root/或其他绝对路径前缀。
5. 实战演示：一步步创建你的第一个ICDAR2015数据集
我们来模拟一个真实的小型数据集创建流程。
第一步：新建项目目录
mkdir -p custom_data/{train_images,train_gts,test_images,test_gts}第二步：放入图片
假设你有两张训练图shop_sign_1.jpg和product_label_2.jpg，一张测试图receipt_3.jpg。
cp shop_sign_1.jpg custom_data/train_images/1.jpg cp product_label_2.jpg custom_data/train_images/2.jpg cp receipt_3.jpg custom_data/test_images/3.jpg第三步：创建标注文件
编辑custom_data/train_gts/1.txt：
50,60,300,60,300,90,50,90,华联超市 120,150,280,150,280,180,120,180,新鲜水果特价编辑custom_data/train_gts/2.txt：
80,40,400,40,400,70,80,70,有机苹果 产地山东 100,100,350,100,350,130,100,130,净重：1kg 价格：¥18.8编辑custom_data/test_gts/3.txt：
200,100,400,100,400,130,200,130,消费金额：¥256.00 300,150,500,150,500,180,300,180,实付：¥238.00第四步：生成列表文件
echo "train_images/1.jpg train_gts/1.txt" > custom_data/train_list.txt echo "train_images/2.jpg train_gts/2.txt" >> custom_data/train_list.txt echo "test_images/3.jpg test_gts/3.txt" > custom_data/test_list.txt完成！你现在拥有了一个合法的ICDAR2015格式数据集。
6. 在WebUI中配置并启动训练
打开你的cv_resnet18_ocr-detectionWebUI界面，进入【训练微调】Tab页。
填写参数：
| 参数 | 值 |
|---|---|
| 训练数据目录 | /root/custom_data（注意路径要正确挂载） |
| Batch Size | 8 （根据GPU显存调整） |
| 训练轮数 | 5 |
| 学习率 | 0.007 |
点击“开始训练”，后台会自动执行以下操作：
- 解析
train_list.txt加载训练图像 - 读取每个
.txt标注文件生成边界框 - 构建数据增强管道（旋转、缩放、色彩扰动等）
- 启动ResNet18骨干网络进行端到端训练
- 每轮结束后在
test_list.txt上做验证
训练完成后，模型权重将保存在workdirs/目录下，可用于后续推理或导出ONNX。
7. 常见错误及解决方案
❌ 错误1：训练失败提示“找不到标注文件”
原因：路径不匹配或文件名不一致
解决方法：
- 确保
train_list.txt中的路径拼写完全正确 - 图片和
.txt文件名字必须一致（不含扩展名） - 不要用中文命名文件
❌ 错误2：训练中途崩溃，提示“invalid coordinate”
原因：坐标格式错误，比如少了一个数字或用了空格分隔
正确写法：
100,120,200,120,200,150,100,150,示例文字错误写法：
100 120 200 120 ... （用空格） 100,120,,200,... （漏掉数值）❌ 错误3：检测结果全是乱框
可能原因：
- 标注质量差（坐标画偏了）
- 文本内容写错了
- 图像分辨率太低
建议：
- 使用专业标注工具（如LabelImg、PPOCRLabel）辅助标注
- 先小规模试训（2~3张图），确认流程无误再扩大数据量
8. 提升训练效果的实用技巧
即使格式正确，也不代表一定能训练出好模型。以下是几个提升效果的关键建议：
技巧1：保持数据多样性
- 包含横排、竖排、倾斜文字
- 覆盖不同背景（纯色、纹理、复杂图案）
- 涉及多种字体风格（黑体、楷体、手写体）
技巧2：合理设置学习率
- 数据量 < 100张：学习率设为0.001~0.003，防止过拟合
- 数据量 > 500张：可用0.007~0.01加速收敛
技巧3：善用预训练权重
本模型基于ImageNet预训练的ResNet18初始化，因此即使只有几十张标注图，也能快速适应新场景。
技巧4：定期验证效果
每训练完一轮，手动上传几张新图片测试检测效果，观察是否出现漏检或误检趋势。
9. 总结
通过本文，你应该已经掌握了如何从零开始准备一个符合ICDAR2015标准的OCR训练数据集。回顾一下关键步骤：
- 搭建标准目录结构：
train_images,train_gts,train_list.txt等缺一不可 - 准确标注文本框：四点坐标+文本内容，逗号分隔，禁止空格
- 生成列表文件：明确指出图片与标注的对应关系
- 在WebUI中配置路径：确保模型能正确读取数据
- 调试训练过程：关注日志输出，及时修正错误
只要数据格式正确、标注质量过关，即使是少量样本也能让cv_resnet18_ocr-detection模型快速适应你的业务场景，实现精准的文字检测。
下一步，你可以尝试将训练好的模型导出为ONNX格式，在移动端或边缘设备上部署，真正实现闭环落地。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
