Merge pull request #147 from MissPenguin/develop

add datasets & FAQ doc

README.md

@@ -2,11 +2,11 @@
 PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力使用者训练出更好的模型，并应用落地。
 
 **近期更新**
+- 2020.6.8 添加[数据集](./doc/datasets.md)，并保持持续更新
 - 2020.6.5 支持 `attetnion` 模型导出 `inference_model`
 - 2020.6.5 支持单独预测识别时，输出结果得分
 - 2020.5.30 提供超轻量级中文OCR在线体验
 - 2020.5.30 模型预测、训练支持Windows系统
-- 2020.5.30 开源通用中文OCR模型
 - [more](./doc/update.md)
 
 ## 特性

doc/FAQ.md

@@ -21,7 +21,8 @@ PaddleOCR已完成Windows和Mac系统适配，运行时注意两点：1、在[
 7. **超轻量模型和通用OCR模型的区别**  
 目前PaddleOCR开源了2个中文模型，分别是8.6M超轻量中文模型和通用中文OCR模型。两者对比信息如下：
     - 相同点：两者使用相同的**算法**和**训练数据**；  
-    - 不同点：不同之处在于**骨干网络**和**通道参数**，超轻量模型使用MobileNetV3作为骨干网络，通用模型使用Resnet50_vd作为检测模型backbone，Resnet34_vd作为识别模型backbone，具体参数差异可对比两种模型训练的配置文件。
+    - 不同点：不同之处在于**骨干网络**和**通道参数**，超轻量模型使用MobileNetV3作为骨干网络，通用模型使用Resnet50_vd作为检测模型backbone，Resnet34_vd作为识别模型backbone，具体参数差异可对比两种模型训练的配置文件.
+    
 |模型|骨干网络|检测训练配置|识别训练配置|
 |-|-|-|-|
 |8.6M超轻量中文OCR模型|MobileNetV3+MobileNetV3|det_mv3_db.yml|rec_chinese_lite_train.yml|

doc/datasets.md

@@ -29,26 +29,25 @@
 #### 3、中文街景文字识别
 - **数据来源**：https://aistudio.baidu.com/aistudio/competition/detail/8
 - **数据简介**：共包括29万张图片，其中21万张图片作为训练集（带标注），8万张作为测试集（无标注）。数据集采自中国街景，并由街景图片中的文字行区域（例如店铺标牌、地标等等）截取出来而形成。所有图像都经过一些预处理，将文字区域利用仿射变化，等比映射为一张高为48像素的图片，如图所示：
-    ![](datasets/ch_street_rec_1.png)
-    (a) 标注：魅派集成吊顶
-    ![](datasets/ch_street_rec_2.png)
-    (b) 标注：母婴用品连锁
+    ![](datasets/ch_street_rec_1.png)  
+    (a) 标注：魅派集成吊顶  
+    ![](datasets/ch_street_rec_2.png)  
+    (b) 标注：母婴用品连锁  
 - **下载地址**
 https://aistudio.baidu.com/aistudio/datasetdetail/8429
 
 <a name="中文文档文字识别"></a>
 #### 4、中文文档文字识别
-- **数据来源**：https://github.com/YCG09/chinese_ocr
-- **数据简介**：
+- **数据来源**：https://github.com/YCG09/chinese_ocr  
+- **数据简介**：  
     - 共约364万张图片，按照99:1划分成训练集和验证集。
     - 数据利用中文语料库（新闻 + 文言文），通过字体、大小、灰度、模糊、透视、拉伸等变化随机生成
     - 包含汉字、英文字母、数字和标点共5990个字符（字符集合：https://github.com/YCG09/chinese_ocr/blob/master/train/char_std_5990.txt ）
     - 每个样本固定10个字符，字符随机截取自语料库中的句子
-    - 图片分辨率统一为280x32
-    
-    ![](datasets/ch_doc1.jpg)
-    ![](datasets/ch_doc2.jpg)
-    ![](datasets/ch_doc3.jpg)
+    - 图片分辨率统一为280x32  
+    ![](datasets/ch_doc1.jpg)  
+    ![](datasets/ch_doc2.jpg)  
+    ![](datasets/ch_doc3.jpg)  
 - **下载地址**：https://pan.baidu.com/s/1QkI7kjah8SPHwOQ40rS1Pw (密码：lu7m)
 
 <a name="ICDAR2019-ArT"></a>