请问数据集开源吗？

[babyta]

请问数据集开源吗？想做一些字体属性的分类，比如是否衬线体，是否斜体，是否加粗等。

[JeffersonQin]

README里面有提到，是人工合成的数据集。合成脚本都已经开源了。

字体很多字体是商用字体，来源于VCB-Studio的整合包，很多应该是不能商用的。

是否为衬线题可以由分类得到的字体本身得到。OpenType 的高级属性现在暂不支持，.ttc 的 Collection 现在也还没有处理。但是如果字体本身是 斜体 / 加粗 那字体可以识别的。

[JeffersonQin]

合成过后的数据集大小高达 200G 所以不太方便分享。建议按照 README 里写的进行多机分布式合成。

[JeffersonQin]

看一下这个 Section:

https://github.com/JeffersonQin/YuzuMarker.FontDetection#scene-text-font-dataset-generation

[JeffersonQin]

欢迎贡献 :)

[babyta]

好的，谢谢作者。

[babyta]

你好请问数据生成需要联网吗，我找了几个字体和一些背景图像放在dataset下的fonts 和pixivimages文件下下，但是运行生成程序却卡在SimplifiedChineseRandomCorpusGeneratorWithEnglish ，我将generators只保留 "zh-Hans"这个字段，同时将font_dataset下的wordlist.txt存在本地。我的环境是win11。

[JeffersonQin]

@babyta 请提供报错信息或者卡在的行数（打下log）。时间隔的挺久了我现在一下子也说不上来。多给我点信息帮你定位问题。

[babyta]

你用的数据是完整包里的数据吗？

[JeffersonQin]

完整包。

[JeffersonQin]

数据集已开源：https://huggingface.co/datasets/gyrojeff/YuzuMarker.FontDetection