Totaltext复现结果问题

[123cjjjj]

谢谢作者对论文代码的开源，利用作者开源的基于Totaltext训练的模型进行测试，发现得到的结果达不到论文中公布的指标，评估出得到的结果是针对两种不同的tr和tp情况得到对应的F值，请问论文中给出的针对这个数据集的结果是在哪个tr和tp下得到的，对tr和tp以及F值的关系不太清楚，望回复！谢谢~

[GXYM]

谢谢作者对论文代码的开源，利用作者开源的基于Totaltext训练的模型进行测试，发现得到的结果达不到论文中公布的指标，评估出得到的结果是针对两种不同的tr和tp情况得到对应的F值，请问论文中给出的针对这个数据集的结果是在哪个tr和tp下得到的，对tr和tp以及F值的关系不太清楚，望回复！谢谢~

利用我们开源的模型测试，达不到公布的指标？差多少？你使用了我们提供的官方的评测代码？如果只差了一点点，这没有必要计较吧，不同的显卡会有一点点差别，因为计算精度不一样。

如果，你是重新训练，我们上个月更新过代码，请注意我们的更新。

请参考：https://github.com/GXYM/TextBPN-Plus-Plus/issues/9

里面有我们的回复的细节，请参考。我们不能完全的解决每个人的问题，你自己再好好检查一下。我们已经复现过一次结果了，修复了训练代码中的bug，测试代码应该没啥问题。在上一个issues的末尾，其他人也测试了我们提供的复现模型，你可以参考它的结果。

[GXYM]

谢谢作者对论文代码的开源，利用作者开源的基于Totaltext训练的模型进行测试，发现得到的结果达不到论文中公布的指标，评估出得到的结果是针对两种不同的tr和tp情况得到对应的F值，请问论文中给出的针对这个数据集的结果是在哪个tr和tp下得到的，对tr和tp以及F值的关系不太清楚，望回复！谢谢~

“请问论文中给出的针对这个数据集的结果是在哪个tr和tp下得到的，对tr和tp以及F值的关系不太清楚” 我们已经在代码中集成了测试代码，测试完成，测试结果会自动打印，对应的tr和tp也有。对于评测方法有疑问，请参考官方的评测方法的介绍。

[GXYM]

谢谢作者对论文代码的开源，利用作者开源的基于Totaltext训练的模型进行测试，发现得到的结果达不到论文中公布的指标，评估出得到的结果是针对两种不同的tr和tp情况得到对应的F值，请问论文中给出的针对这个数据集的结果是在哪个tr和tp下得到的，对tr和tp以及F值的关系不太清楚，望回复！谢谢~

我们报告的结果，对应的是tr=0.7和tp=0.6的结果，官方提倡使用这组参数评测

这是上一个isssue中，其他人的测试结论，说明用我们提供的模型测试应该是没有啥问题的。就我们知道的Opencv的版本会对TD500的测试结果产生重大影响，Totaltext暂时没有发现，但是我们不建议使用太高的Opencv版本。

如果需试重新训练来复现结果，最好关注一下我们最近的代码更新。

[GXYM]

其他的，我没有什么可以提供给你的帮助。如果后期有其他人再反映用我们提供的模型测试，达不到论文中的效果（微小误差除外），那我们在我们这边在检查我们的模型和代码。但现在提供的模型和代码应该是没啥问题的，因为有人测试说提供的模型测试结果和论文的差别很微小，针对他的问题我们已经修复了训练代码的bugs.每个问题都要我检查一遍的话，太耗时了。所以我会针对反映多的问题和比较重要的问题，进行检查和修复。更多的个别问题，可能需要大家各自查找和解决。请谅解，谢谢！

[123cjjjj]

好滴，麻烦您了，谢谢您的回复

在 2023-01-05 19:01:24，"S.X.Zhang" @.***> 写道：

其他的，我没有什么可以提供给你的帮助。如果后期有其他人再反映用我们提供的模型测试，达不到论文中的效果（微小误差除外），那我们在我们这边在检查我们的模型和代码。但现在提供的模型和代码应该是没啥问题的，因为有人测试说提供的模型测试结果和论文的差别很微小，针对他的问题我们已经修复了训练代码的bugs.每个问题都要我们，检查一遍太耗时了，所以我们会针对反映多的问题和比较重要的问题，进行检查和修复。请谅解，谢谢！

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>