文本识别训练过程中出现list index out of range问题

[phb-shiyige-fw]

请提供下述完整信息以便快速定位问题/Please provide the following information to quickly locate the problem

• 系统环境/System Environment：win10
• 版本号/Version：Paddle：2.3.2 PaddleOCR：2.6 问题相关组件/Related components：rec-PPOCRv3
• 运行指令/Command Code：train.py
• 完整报错/Complete Error Message：
  [2023/12/09 20:45:37] ppocr ERROR: When parsing line crop_img/table246_crop_11.jpg 6.车辆识别代号/车架号LHGCV1676P9038532
  , error happened with msg: Traceback (most recent call last):
  File "D:\PaddleOCR-release-2.7\ppocr\data\simple_dataset.py", line 158, in getitem
  data['ext_data'] = self.get_ext_data()
  File "D:\PaddleOCR-release-2.7\ppocr\data\simple_dataset.py", line 124, in get_ext_data
  label = substr[1]
  IndexError: list index out of range
  进行模型微调的训练过程中，总是会出现如上述所示的错误，好像是显示训练数据有问题，但是不知道问题在哪里？不知道如何解决。 求各位大佬帮忙分析一下是什么原因导致。感激不尽！！！！@haobibo @WenmuZhou @ZeyuChen @bingooo

[honghanh2008]

        data_line = data_line.decode('utf-8')
        substr = data_line.strip("\n").split(self.delimiter)
        file_name = substr[0]
        file_name = self._try_parse_filename_list(file_name)
        label = substr[1]
        
        你检测一下  substr = data_line.strip("\n").split(self.delimiter)  ，大概率是你准备的训练数据集格式不符合要求，导致label读取失败。

[aaakouaaaa]

你好你的问题解决了吗

[Will439]

我也遇到一样的问题，substr明显有两个元素，字典也有这个字，但是它还是报错
代码：
except:
print("data_line=", data_line)
print("data_line.decode('utf-8')=", self.data_lines[file_idx].decode('utf-8'))
print("substr = data_line.strip('/n').split(self.delimiter)=",
self.data_lines[file_idx].decode('utf-8').strip("\n").split(self.delimiter))
self.logger.error(
"When parsing line {}, error happened with msg: {}".format(
data_line, traceback.format_exc()))

输出及报错：
data_line= ABC03052_12.jpg 出

data_line.decode('utf-8')= ABC03052_12.jpg 出

substr = data_line.strip('/n').split(self.delimiter)= ['ABC03052_12.jpg', '出']
[2024/04/18 18:14:02] ppocr ERROR: When parsing line ABC03052_12.jpg 出
, error happened with msg: Traceback (most recent call last):
File "/home/qx/HaihenOCR/ppocr/data/simple_dataset.py", line 252, in getitem
data['ext_data'] = self.get_ext_data()
File "/XXX/ppocr/data/simple_dataset.py", line 118, in get_ext_data
label = substr[1]
IndexError: list index out of range

[Feisty19]

遇到了同样的问题，昨天自己查了很久，分享一下我的解决方法。我的是因为数据集划分后.txt文档每行中间有空格，修改PPOCRLabel/gen_ocr_train_val_test.py 中45-56行：train_txt.write("{}\t{}\n".format(image_copy_path, image_label)) 改为 train_txt.write("{}\t{}".format(image_copy_path, image_label))，即去掉\n换行，重新划分数据集，再训练时就不报错了。