pig

坐等作者回复

好的，谢谢，我去试试

@wenlihaoyu 作者你好，这keras-yolo利用自己数据微调训练，请问如何冻结相关层，需要冻结哪几层？谢谢

> 就是VGG16的一个四分类算法，将0,90,180,270当着是一个标签。没有必要进行其他角度训练，代码有个函数是估计小角度的，estimate_skew_angle 你好，请问目前这四个角度训练时样本量有多大，准确率能到多少

ok，谢谢作者

你好，目前角度检测部分，我们将当期tensorflow版本的角度识别模型换成了chineseocr中keras模型的，但是在进行角度识别的时候，特别慢，大约6分钟才会出结果，跟踪发现角度predict部分会占据特别长时间，如果在model.py里注释掉导入crnnOCR部分，角度检测时间就会很短，打开这部分角度预测就特别慢，请问这是什么原因造成的

> @NormalAppler keras模型是哪里的呢，你怎么修改的代码？检查你的keras backend 是tf还是th。如果要混用用tensorflow 和pytorch ,import torch 要放在tensorflow之前。 @wenlihaoyu keras模型来源于https://github.com/jiangxiluning/chinese-ocr这个项目，我的keras backend是tf的，目前确实是两者混用，我试试修改一下，谢谢

> @wenlihaoyu 这个也是我以前开源的，当前项目文字方向检测模型也是这样实现的。 但是我们在测试的时候，角度判断上keras那一版比这一版效果要好

> 你可以用tf去调用这个模型。效果不好的问题，应该是cv2.dnn的原因，调用dnn有一定的损失。cv2.dnn模型输出的概率与keras的输出的概率有一定的差异。darknet也是一样。 好的，之前按照你说的import torch 要放在tensorflow之前，我把 from crnn.crnn import crnnOcr as crnnOcr from angle.predict import predict as angle_detect 导入Ocr放到了angle之前，但是并没有起作用，那我改成tf去调用模型试试，非常感谢

 这一张图片，在keras中判断的是270，但这一版判断的是90