search

Sierkinhane / CRNN_Chinese_Characters_Rec

(CRNN) Chinese Characters Recognition.
1.81k stars 537 forks source link

found bug in demo.py #270

Closed ygfrancois closed 3 years ago

ygfrancois commented 3 years ago

img = cv2.resize(img, (0, 0), fx=config.MODEL.IMAGE_SIZE.H / h, fy=config.MODEL.IMAGE_SIZE.H / h, interpolation=cv2.INTER_CUBIC)

应该是 fx=config.MODEL.IMAGE_SIZE.W / w

chichuhu commented 3 years ago

不是，原代码在训练的时候长宽缩放到固定宽高是为了减少内存消耗，可以不这样放缩。 测试的时候只需要把高度调整到32，宽度要按照高度缩放的比例缩放，不然文字会产生形变，识别效果会变差，所以代码中这样写是没错的，你要是想提高泛化能力在训练的时候也可以这样放缩。

ygfrancois commented 3 years ago

不是，原代码在训练的时候长宽缩放到固定宽高是为了减少内存消耗，可以不这样放缩。 测试的时候只需要把高度调整到32，宽度要按照高度缩放的比例缩放，不然文字会产生形变，识别效果会变差，所以代码中这样写是没错的，你要是想提高泛化能力在训练的时候也可以这样放缩。

明白你意思了，谢谢回复。 主要是，训练的时候做了形变，测试时候也做形变，对于模型来说才是见过的数据吧？特别是针对特定场景，文字长度比较固定的化，如果这样训练和测试，识别率会非常低。 我尝试下训练时候不缩放到固定宽度，看看内存的消耗~ 多谢多谢