训练集只用IC15，默认代码里的300000次step； loss普遍能下降几个数量级，但是结果不太好，使用IC15的测试集，计算hmean结果为： {'precision': 0.023610427939006393, 'recall': 0.023110255175734232, 'hmean': 0.023357664233576644, 'AP': 0}

可以使用其他repo里的hmean计算脚本，注意修改bbox的数据代码在./nets/utils.py中的unmold_detections函数中。将bbox的代码改为：

’‘’ points[:,[0,1]] = points[:,[1,0]] rect = cv2.minAreaRect(points)

(x1, y1, x2, y2, x3, y3, x4, y4)

        boundbox = cv2.boxPoints(rect)
        bound_boxes.append([boundbox[1], boundbox[2], boundbox[3], boundbox[0]])
        full_masks.append(full_mask)
    full_masks = np.stack(full_masks, axis=-1)\
        if full_masks else np.empty(original_image_shape[:2] + (0,))
    bound_boxes = np.array(bound_boxes)\
        if bound_boxes else np.empty((0,8))

‘’‘

运行推理的时候记得删除gts 具体的计算脚本可以找其他repo中的cal_recall_precison_f1

AirBernard / Scene-Text-Detection-with-SPCNET

IC15的训练结果计算hmean有点差 #20

(x1, y1, x2, y2, x3, y3, x4, y4)