陈子豪
没有任何相关的意见吗？
你说的对，我尝试了在三种公开测试集上的验证效果，都有不同程度的降低，经过分析，这里的自适应恢复对于倾斜文本的计算是存在问题的，我本人测试使用的数据集是通过标准pdf构建，所以标注结果都是标准矩形，这里的自适应恢复才会产生一个比较好的结果。 后续如果有时间我会继续尝试这种不规则多边形的恢复。
是的，后面测试的时候发现了这个问题，在我本地做了修改，但是由于发现在公开测试集的测试效果不好，所以就没有提交改动。
> > 是的，后面测试的时候发现了这个问题，在我本地做了修改，但是由于发现在公开测试集的测试效果不好，所以就没有提交改动。 > > 嗯，我这边的数据上改成自适应膨胀的效果也不太好，还在分析原因呢 有需要的话可以加个微信交流一下
你可以在forecaster第一个时刻输入为0，后续时刻采用forecaster的生成结果
我过段时间会继续开源一个新的seq2seq的模型，可能会在使用更少参数的情况下，达到更好的效果，你不着急可以留意那个
是的，可能最后的尺寸会出问题，你可以尝试调整网络结构 ________________________________ 发件人: guanfuchen 发送时间: 2018年12月7日 1:18 收件人: chencodeX/RNN_Pytorch 抄送: Subscribed 主题: [chencodeX/RNN_Pytorch] 用在moving mnist数据集上效果怎么样 (#4) 请问这个模型用在moving mnist数据集上效果怎么样，因为这个只有64*64，经过下采样然后上采样这样是不是会丢不少信息 ― You are receiving this because you are subscribed to this thread....
对不起，我也没有，施行健本人的项目应该提供了
你可以把每一步的数据size打印出来看一下，大概就明白了，主要就是把dataloader返回的结果拼装成loss能处理的模式
因为我把三组数据拼接成一个batch，然后做forward