minglii1998

> > IIIT5k SVT IC03 IC13 IC15 SVTP CUTE > > Paper 94.4 92.3 95.7 95.0 82.2 84.3 85.0 > > Reproduce 93.5 90.6 91.7 94.0 79.1 82.8 78.5 >...

> 你好，感谢回复。但是论文中提到的使用两个随机参数控制超分辨率模块的特征增强（高斯模糊和4倍上下采样），在代码中并未找到，您是自己复现了吗？ 不好意思，我当时并未复现这两个模块，我直接run了这个代码。 我在结束训练后查看了acc和其超分结果，acc已经贴在上面，而所谓的超分结果的输出看着感觉就是一堆随机噪声，可能网络不仅没有学到超分的能力，甚至可能就没有学到文字的appearance，而这种问题绝不是上述的两个小改动可以解决的。 后来我舍弃了这篇文章的backbone，只保留了其超分支`RCAN`并加入了aster的backbone中，发现RCAN依然无法学习到文字的appearance，其效果甚至不如2层卷积+3层反卷积。 再后来我就没再关注过这个代码具体是哪里出了问题了，直到您这几天@了我。 ps：刚刚发现这个库直接把训练的代码拿掉了，只保留了模型的部分，然而在之前是一个可以直接跑通的完整代码。 ps：This repository used to be a complete program, which can be run by simply adding the training and testing data path. But now...

Same problem, do you solve it?