Roy-海龙

用表格提取，一劳永逸。

自己优化一下表格线的识别吧。不过识别出线后，逻辑处理要求很高 sattychen ***@***.***> 于2022年9月6日周二 14:47写道： > 用表格提取，一劳永逸。 > > 表格提取的准确度怎样？我用了ppstructure的表格提取，感觉提取结果比较乱，2个框里的都放在一起去了。 > > — > Reply to this email directly, view it on GitHub > , > or unsubscribe > >...

训练数据有问题，我之前也遇到过。图片在win上旋转后cv2.imread读取是旋转后的，Image.open是旋转前的。很多标注软件用的Image，但是因为训练或其他原因，比如你重新用cv2处理过图片，标注的坐标与图片就对不上了，长宽的不同会导致box越界。

训练数据有问题，我之前也遇到过。图片在win上旋转后cv2.imread读取是旋转后的，Image.open是旋转前的。很多标注软件用的Image，但是因为训练或其他原因，比如你重新用cv2处理过图片，标注的坐标与图片就对不上了，长宽的不同会导致box越界。

配置参数能看下吗（bs，lr）,什么环境训练的呢（几卡），还有就是数据量多少？训练记录中初次验证时正确率和最终的正确率是多少呢？

你这个结果看上去算正常的吧。现在推荐用v3，同样的数据集我都试了下，好一点点。因为我希望检测模型能对旋转后的文本也能检测，所以试了很多模型包括east,sast效果都不理想。还有就是 希望只要是文本框的就尽量都检测出来，多检测了一些非文本框的对后续使用的影响不大。所以优先关注recall召回率，precision反而不是最重要的。 目前还没好的办法提升效果。 shumeirao ***@***.***> 于2022年11月17日周四 09:20写道： > bs:8 lr:0.001 8卡 初次验证准确率80%，最终82%，训练集大概1400，测试900 > > — > Reply to this email directly, view it on GitHub > , > or unsubscribe...

谢谢，按此操作，已经成功。 yeliang2258 ***@***.***> 于2023年3月28日周二 17:27写道： > 将inference.onnx和external_data文件放在同一目录下， 然后就像读普通ONNX模型一样读inference.onnx即可 > > — > Reply to this email directly, view it on GitHub > , > or unsubscribe > > . >...

您好，关于中文识别，能看一下您的common_str.py怎么设置的吗？