iput-tk230215/steel-ocr-dataset-960

Steel OCR Dataset (Resized 960px)

鉄骨の手書き製品コード認識のための学習データセット（リサイズ版）。

学習高速化のため、画像を長辺960pxにリサイズしたバージョン。 バウンディングボックス座標も同じスケールで変換済み。

オリジナル版との違い

項目	オリジナル	リサイズ版
総ピクセル数	5077.8 MP	215.1 MP
削減率	-	95.8%
用途	評価、高精度学習	高速学習

データセット構成

train / val はリーク無しで分割済み（画像レベルで互いに素、sha256 + dHash 監査で 0 leak）。 固定 14 枚 test セットとも画像・クロップが重複しない。

train_data/
├── det/                    # 検出モデル用
│   ├── train.txt           # 学習データラベル (222画像)
│   ├── val.txt             # 検証データラベル (95画像)
│   └── images/             # リサイズ済み画像 (317枚)
└── rec/                    # 認識モデル用
    ├── rec_gt_train.txt    # 学習データラベル (323クロップ)
    ├── rec_gt_val.txt      # 検証データラベル (142クロップ)
    ├── dict.txt            # 文字辞書 (21文字)
    └── crop_img/           # クロップ画像 (509枚、リサイズなし)

使用方法

from huggingface_hub import snapshot_download

# リサイズ版データセットをダウンロード
local_dir = snapshot_download(
    repo_id="iput-tk230215/steel-ocr-dataset-960",
    repo_type="dataset",
    local_dir="./data",
)

# PaddleOCR学習コマンド
# python3 tools/train.py -c config.yml \
#     -o Train.dataset.data_dir=./data/train_data/det/ \
#     Train.dataset.label_file_list='[./data/train_data/det/train.txt]'

# 全データ学習（最終モデルのみ。val はモデル選択用なので通常は train.txt のみ）
# python3 tools/train.py -c config.yml \
#     -o Train.dataset.data_dir=./data/train_data/det/ \
#     Train.dataset.label_file_list='[./data/train_data/det/train.txt,./data/train_data/det/val.txt]'

テストデータ

テストデータはオリジナル版を使用してください:

• iput-tk230215/steel-ocr-dataset

生成スクリプト

uv run python scripts/prepare_train_data.py        # clean split からラベル再生成
uv run python scripts/create_resized_dataset.py    # 長辺960pxへリサイズ
uv run python scripts/upload_dataset_960_to_hf.py  # この repo へ upload（iput write）

リポジトリ

https://github.com/solution-futureindustry-2025-teamB/image-recog