EasyOCR 文本检测训练代码(craft)存在BUG,

ar5n3qh5 于 5个月前发布在其他

关注(0)|答案(3)|浏览(114)

从您提供的信息来看，Craft模型在训练过程中的预测结果列表为空。这可能是由于模型在训练过程中没有学到任何有用的信息，或者是由于数据集的问题。为了解决这个问题，您可以尝试以下方法：

检查数据集：确保您的数据集中包含足够的有标签和无标签样本，以便模型能够学习到有效的特征。此外，检查数据集中的图像是否清晰、完整且具有代表性。
调整模型参数：尝试使用不同的超参数设置，例如学习率、批次大小等，以找到最适合您的任务的参数组合。
更换模型：如果上述方法都无法解决问题，您可以尝试使用其他预训练模型，如Faster R-CNN、YOLO等，看看它们是否能在您的任务上取得更好的效果。
增加训练轮次：您提到在第5个epoch时，训练损失开始降低。这可能意味着模型在前几个epoch中没有学到足够的信息。您可以尝试增加训练轮次，观察模型的表现是否有所改善。
[0.0180, 0.0186, 0.0196, ..., 0.0000, 0.0000, 0.0000],
...,
[0.0000, 0.0000, 0.0000, ..., 0.0000, 0.0000, 0.0000],
[0.0000, 0.0000, 0.0000, ..., 0.0000, 0.0000, 0.0000],
[0.0000, 0.0000, 0.0000, ..., 0.0000, 0.0000, 0.0000]]
设备：cuda: 1
负样本召回率：3%
最小负样本数：5, 534
检查正样本数量：25353
检查负样本数量：127135
正样本损失：66485889256
负样本损失：22214415948837996
检查正样本数量：4121
这不是正确的。我不知道问题是否在实现的损失函数内部或其他代码部分。我会在这里附上图片和相应的gt。我的配置文件是：
wandb_opt: False

EasyOCR

来源：https://github.com/JaidedAI/EasyOCR/issues/1005

3条答案

按热度按时间

ig9co6j11#

根据我的观察和理解，模型训练过程中出现较低的训练损失但没有检测框/精度/召回率较差是可以理解的，因为模型仍在训练。从日志中可以看出，模型首先输出了两个独立的检测框，而不是一开始就输出一个。在第5次迭代时，它产生了一个预期的边界框，但由于IOU小于0.5,因此未被使用，导致精度和召回率为0。训练结果与原始模型结果非常相似，至少学会了移除一个原始检测框并使用第二个具有略差IOU的框。总体而言，这导致了训练损失的提高，但由于IOU阈值，并未导致积极的检测结果。

针对上述情况，我有一些建议/确认：

请问您是否多次运行了训练代码以确保可重复性？
您是否尝试在例如20个epoch(或者在您的情况下是1张图片)之后查看结果？
您可以尝试绘制原始权重和训练权重的边界框，并将NMS/边界框阈值设置为低于0.5。根据结果，应该显示一个边界框，尽管与您的实际结果不完全对齐(但正在接近)。我认为评估脚本包含了绘制边界框的代码，只需降低阈值即可。

赞(0）回复(0）举报 5个月前

hpxqektj2#

你好@masoudMZB,
我注意到你在使用提供的代码训练Craft时遇到了问题，以及你遇到的意外结果。几个月前，我也曾尝试使用EasyOCR的微调CRAFT模型。总结一下：