DBNet.pytorch
DBNet.pytorch copied to clipboard
A pytorch re-implementation of Real-time Scene Text Detection with Differentiable Binarization
 这样的qi情况持续到几百轮都没有改善,请问怎么回事啊,有人遇到过同样的问题吗
检测框中断的问题
您好,我训练的检测模型有一个字段,当内容较长或者内容中有符号时容易出现检测框中断的情形,专门加了这类数据到训练集中进行训练,也没有什么改善,能帮忙看看还有什么优化方法吗,谢谢 
把total-text的数据格式改为ic15的格式进行训练,训练了50个epoch了,但是三个指标还是为0 [Uploading ]H%5PFAZ[}ABQE`54UO7CQJ.png…]()
整体过程描述: 用自己的数据集(.jsp格式),在labelme中,按顺时针方向,打标签,得到的全是float类型的数值,读取labelme保存的json文件,并保存到.txt的文本中,训练了约700轮次,发现recall, precision, f1全为0.0,预测的时候,三个指标也是0.0 但训练和预测时,用原有的icdar2015这个数据集,训练的test不全为0.0,预测的三个指标也全部不是0.0 对比后发现,可能是数据的问题,icdar2015中,所有数据集的gt为整数,而自己数据的gt全为浮点数 问题: 所以,labelme标注的数据是跟gt中的数据有什么不同吗,做了什么变换?什么原因导致自己数据集指标一直为0.0
CUDA error: no kernel image is available for execution on the device Error occurs, No graph saved 2022-06-25 16:12:32,431 DBNet.pytorch ERROR: Traceback (most recent call last): File "/sun4/DBNet.pytorch-master/base/base_trainer.py", line 78,...
Traceback (most recent call last): File "C:/Users/Lenovo/DBNet.pytorch/tools/train.py", line 79, in main(config) File "C:/Users/Lenovo/DBNet.pytorch/tools/train.py", line 41, in main validate_loader = get_dataloader(config['dataset']['validate'], False) File "C:\Users\Lenovo\DBNet.pytorch\data_loader\__init__.py", line 84, in get_dataloader _dataset = get_dataset(data_path=data_path,...
Traceback (most recent call last): File "tools/eval.py", line 78, in eval = EVAL(args.model_path) File "tools/eval.py", line 35, in __init__ self.validate_loader = get_dataloader(config['dataset']['validate'], config['distributed']) File "/home/iip/dbnet/data_loader/__init__.py", line 89, in get_dataloader sampler...
 请问这里的bestmodel是根据什么选择的呢,我看并不是完全和精确度一样。
pytorch == 1.4 请不要使用1.5, 1.6谢谢。