文本标注流程

标注基础知识丨文本标注的一般流程及常用的数据标注工具

预标注

1、准备文件：PDF/JPG

2、（将pdf文件转化为图片jpg格式）将jpg转化成jpg和xml格式文件，即预标注

3、生成xml格式文件，需要对标注细节进行规范操作，在labelImg工具下对images中的图片进行标注操作，并覆盖保存之前的预标注文件。

需要用到的python库（不完全统计）

from os.path import join, dirname, exists
import os
import cv2
import re
import csv
import pandas as pd
import shutil
from util import logging
import numpy as np
import pdf2image
import fitz
import datetime
from PIL import Image
import statistics
import glob
import time
from lxml import etree
from io import StringIO
import json
import time
from aip import AipOcr

矩形框标注又叫拉框标注，是目前应用最广泛的一种图像标注方法，能够以一种相对简单、便捷的方式在图像或视频数据中，迅速框定指定目标对象。

opencv-python 读取和保存图像_runtao123的博客-CSDN博客_opencv python 保存图像

根据指定格式的文件生成XML标注文件，可以方便使用LabelImg打开进行编辑和查看。其原始文件默认使用逗号进行分隔，

• 第1个值：原始图片中切图小文件，以AIpng_x，其中x代表原始图片的第几个切图文件
• 第2~5值：分别对应于ymin, xmin, ymax, xmax
• 第6个值：代表对应的标签标注

 在生成XML文件时，需要对其进行汇总，即将属于同一个原始文件的切图小文件的标注汇总到一起

Python应用基础-根据指定文件生成XML - Surpassme - 博客园

python使用fitz_三种方法，Python轻松提取PDF中全部图片_几木木的博客-CSDN博客

用 Python 做科学计算(工具篇)—— scipy 使用指南 - 知乎

python中os.path.join()、os.path.dirname()、os.path.absname()函数的用法 - 喵小超 - 博客园

python util 模块

python之shutil模块 - 九尾cat - 博客园

python lxml中etree的简单应用

exists的用法 python_10个Python中最常用到的文件操作_无敌小羊历险记的博客-CSDN博客

python os模块介绍

python中正切函数_Python tan() 函数_weixin_39582737的博客-CSDN博客

Python：glob - ShineLe - 博客园

Python中shutil模块的使用详解

python标准库之glob介绍 - luminousjj - 博客园

OCR图片转文字

OCR转写是对图像中的文字内容进行标记与转写，帮助训练和完善图片与文本识别模型。目前，景联文支持简体中文、繁体中文、英语、日语、韩语、法语、德语、西班牙语、阿拉伯语等十余种语言印刷或手写图片的转写。

OCR图片转文字两种python方法实现_死磕的斯坦张的博客-CSDN博客_python实现图片转文字

python 使用百度AI实现OCR文字识别 - Acheng1011 - 博客园

python-通过AipOcr百度库对图片验证码进行ocr识别

图像滤波方法

非局部平均滤波(NonLocalMeans)

Python气象数据处理与绘图：常见的10种图像滤波方法 - 腾讯云开发者社区-腾讯云

python实现DBSCAN_张##的博客-CSDN博客_python的dbscan