打造自己的RAG解析大模型：表格数据标注的三条黄金规则

在上一期文章中，我们详细介绍了使用 LabelMe 进行版面标注的安装、标注流程和数据导出方法。本期我们将聚焦于使用 PPOCRLabel 进行表格标注的三条“黄金规则”。遵循这些规则，可以确保生成高质量的训练数据集，为构建高精度的文档表格识别模型奠定坚实基础。掌握这些技巧，将帮助我们进一步提升垂直领域模型的表格识别精度。

PPOCRLabel全面介绍

PPOCRLabel是一款适用于OCR领域的半自动化图形标注工具，内置PP-OCR模型对数据自动标注和重新识别。使用Python3和PyQT5编写，支持矩形框标注、表格标注、不规则文本标注、关键信息标注模式，导出格式可直接用于PaddleOCR检测和识别模型的训练。

一、PPOCRLabel的安装与使用

1. 建立Anaconda环境：首先创建一个新的Python环境，然后激活该环境。具体命令如下：

conda create --name=ppocrlabel python=3.10  conda activate ppocrlabel

• 安装PaddlePaddle

pip3 install --upgrade pip# 如果您的机器是CPU，请运行以下命令安装python3 -m pip install paddlepaddle -i https://pypi.tuna.tsinghua.edu.cn/simple

• 通过whl包安装与运行

pip3 install PPOCRLabel  # 安装# 选择标签模式来启动PPOCRLabel --lang ch# 启动【普通模式】，用于打【检测+识别】场景的标签

二、PPOCRLabel的功能与标注方式

PPOCRLabel支持多种标注方式，包括但不限于矩形标注、多点标注。这些标注方式可以满足不同应用场景的需求。

1. 矩形标注：适用于标注简单的矩形区域，如常规标注、表格标注等。

2. 多点标注：适用于标注不规则文本、关键信息标注等。

其中，不规则文本的重点应用是公章中的文字标注，应用场景广泛。

三、标注结果的导出与格式转换

PPOCRLabel 支持多种格式的输出，主要包括 Paddle 格式的表格数据、关键信息标注、文本检测和文本识别格式。

PPOCRLabel实际操作

接下来，我们将以表格标注为例，详细讲解如何使用 PPOCRLabel 标注表格训练数据，并介绍几个提升标注质量的黄金规则。表格标注是一项精细的工作，准确的标注是构建高质量训练数据的关键。通过遵循 PPOCRLabel 的最佳实践，用户可以确保标注的表格数据在训练时更加准确，进而提升模型的整体识别效果。

一、表格标注

表格标注针对表格的结构化提取，将图片中的表格转换为Excel格式，因此标注时需要配合外部软件打开Excel同时完成。在PPOCRLabel软件中完成表格中的文字信息标注（文字与位置）、在Excel文件中完成表格结构信息标注。

推荐的步骤为：

1. 表格识别：打开表格图片后，点击软件右上角 “表格识别” 按钮，软件调用PP-Structure中的表格识别模型，自动为表格打标签，同时弹出Excel

   
   

   

2. 更改标注结果：以表格中的单元格为单位增加标注框（即一个单元格内的文字都标记为一个框）。标注框上鼠标右键后点击 单元格重识别 可利用模型自动识别单元格内的文字。

   注意：如果表格中存在空白单元格，同样需要使用一个标注框将其标出，使得单元格总数与图像中保持一致，红色框圈住的为补充的空白单元格。

   

3. 调整单元格顺序：点击软件视图-显示框编号 打开标注框序号，在软件界面右侧拖动 识别结果 一栏下的所有结果，使得标注框编号按照从左到右，从上到下的顺序排列，按行依次标注。

4. 标注表格结构：在外部Excel软件中，将存在文字的单元格标记为任意标识符（如 1 ），保证Excel中的单元格合并情况与原图相同即可（即不需要Excel中的单元格文字与图片中的文字完全相同）

5. 导出JSON格式：关闭所有表格图像对应的Excel，点击 文件-导出表格标注，生成gt.txt标注文件。

3、Excel 文件用于调整表格结构，必须保持与原表格一致。保存前应删除多余的行或列，否则在训练时可能导致错误。

写在最后

声明：本文为 真聊技术 原创，转载请联系授权。