CVPR2020论文：
《Learn to Augment: Joint Data Augmentation and Network Optimization for Text》
原文链接：
https://openaccess.thecvf.com/content_CVPR_2020/papers/Luo_Learn_to_Augment_Joint_Data_Augmentation_and_Network_Optimization_for_CVPR_2020_paper.pdfhttps://openaccess.thecvf.com/content_CVPR_2020/papers/Luo_Learn_to_Augment_Joint_Data_Augmentation_and_Network_Optimization_for_CVPR_2020_paper.pdfC++代码实现：
GitHub - Canjie-Luo/Text-Image-Augmentation: Geometric Augmentation for Text Imagehttps://github.com/Canjie-Luo/Text-Image-AugmentationPython代码实现：
GitHub - RubanSeven/Text-Image-Augmentation-python: Python implementation of Text-Image-Augmentationhttps://github.com/RubanSeven/Text-Image-Augmentation-python
前言场景文字的数据标注是高成本的，因此很多情况下，我们会遇到数据不足的情况。然而，目前最前沿的文字识别算法都是基于深度学习的，数据的数量和质量很大长度上决定了模型的效果，甚至在数据严重不足的情况下，模型都很难收敛或者过拟合。
本文将介绍一种场景文字的数据增强方法，在一些开源项目和论文中都有使用，原版本是c++实现，对环境有很高的要求，本文用python重写了该方法，速度稍有下降，但是也达到了实时数据增强的效果。
安装 NumPy 最简单的方法就是使用 pip 工具：
pip3 install --user numpy scipy matplotlib
--user 选项可以设置只安装在当前的用户下，而不是写入到系统目录。
默认情况使用国外线路，国外太慢，我们使用清华的镜像就可以:
pip3 install numpy scipy matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
没有找到cv2
应该安装opencv-python
pip install opencv-python
