9.2.6.5. 深度学习样本库数据库设计

深度学习样本库数据库分为两个独立部分，一部分为自然图像与遥感影像的数据库，另一部分为OCR的数据库。、 # 自然图像与遥感影像的数据库 遥感影像、矢量数据由数据中心进行管理，通过计算中心生成样本，生成样本时不进行数据增强操作，数据增强由训练的时候实时增强（或训练前批处理生成到临时文件夹中）。 ## 标签表（labels）： 记录已配置的标签信息。一张图片可赋予不同标签，作为不同训练任务的样本使用。

是否主键 | 字段名 | 字段描述 | 数据类型 | 可空 | 注释 |

:——: | :——–: | :———————————–: | :——: | :—: | :———————————-: |

是 | id | 标签id | Integer | 否 | 自增 |

  | label_name | 标签名 | String | 否 | 如“动物分类标签” |

  | categories | 标签对应的种类信息，用英文逗号“,”分隔 | String | 否 | 如“dog,cat,mouse” |

  | label_type | 标签类型 | Integer | 否 | 1：图像分类;2：目标检测;3：语义分割; |

## 样本表（samples）： 图片与标签属于多对多关系，一张图片可属于不同标签，以作为不同样本参与到不同的训练任务中；一个标签也可被不同图片使用。

是否主键 | 字段名 | 字段描述 | 数据类型 | 可空 | 注释 |

:——: | :——–: | :———————-: | :——: | :—: | :—————————————————————————————————————————————————————————————————————————————————: |

是 | id | 样本id | Integer | 否 | 自增 |

  | image_path | 图片路径 | String | 否 | 样本对应图片的绝对路径，或为hdfs或服务器local路径 |

  | label_id | 标签id | Integer | 否 | 标签id，通过该字段与标签表关联 |

  | category | 样本标签对应种类的索引号 | Integer | 否 | 对应标签表categories字段相应类别的索引号。-1表示没有类别，即图片为负样本，同时value为空。可通过该字段筛选特定种类的样本。 |

  | coords | 标注的坐标信息 | String | 否 | 若标签类型为1，则为空。若标签类型为2，则存储bbox的坐标信息，顺序xmin、ymin、xmax、ymax，如：111, 111, 222, 222。若标签类型为3，则存储多边形坐标串。坐标点格式为x1,y1，x2,y2……，坐标串逆时针方向记录，首尾点坐标不重复存。如:111,111,222,222,333,333…… |

# OCR样本数据库 与影像数据库设计思路不同，OCR样本库不关注每个样本是具体是什么类型，它关注每个数据库包含哪些特点的样本集合，这样可以指导我们添加数据库的组合进行模型训练。 ## 数据库表 它记录数据库的文件路径，数据库以lmdb方式存储，每条记录对应一个样本库，并且描述样本库具有哪些特点，如文字内容，文字字体，背景图片集，字符间距等。

是否主键 | 字段名 | 字段描述 | 数据类型 | 可空 | 注释 |

:——: | :————-: | :————————: | :——: | :—: | :———————————————–: |

是 | id | 样本库id | Integer | 否 | 自增 |

  | sample_path | 样本库路径（lmdb文件）路径 | String | 否 | 样本库的绝对路径 |

  | content_path | 样本库内容的文件路径 | String | 否 | 支持txt，html，epub格式文件 |

  | generate_method | 样本库内容的生成方法 | Integer | 否 | 0：随机生成；1：顺序生成；2：人工标注 |

  | augment | 数据增强方法描述 | String | 是 | 使用数据增强的方法，方法和参数以json格式表示 |

  | background | 背景的文件夹路径 | String | 是 | 样本用哪些背景图片生成的： |

  | sample_type | 样本库的使用类型 | Integer | 否 | 0：文本识别；1：常规文本检测；2：自然场景文本检测 |

  | desc | 样本特点描述 | String | 是 | 用于描述样本集的特点或者功能，尽量以json组织 |