renjd

感谢回复，都是jpg格式的图片。最后发现是linux系统对文件格式大小写敏感，这部分无法运行的图片后缀是.JPG，需要修改预测代码 [line 142](https://github.com/WenmuZhou/DBNet.pytorch/blob/master/tools/predict.py) 

不好意思再打扰您一下，我想知道这个box能否再扩大一些？可以通过参数设置吗？ 

感谢作者的及时回复，正在参观您的仓库就收到了您的回复，再次感谢！ 我是一名专业型硕士研究生，我想以中文整图文本超分作为论文方向。我的思路和您提到的第二种方式一样，先使用文字检测模型例如DBNet，根据输出坐标进行图片的裁剪，再将每一部分送入超分模型，最后再拼接到原图。 您觉得这样的方向可行吗？感谢指导！

> > 感谢作者的及时回复，正在参观您的仓库就收到了您的回复，再次感谢！ 我是一名专业型硕士研究生，我想以中文整图文本超分作为论文方向。我的思路和您提到的第二种方式一样，先使用文字检测模型例如DBNet，根据输出坐标进行图片的裁剪，再将每一部分送入超分模型，最后再拼接到原图。 您觉得这样的方向可行吗？感谢指导！ > > 这个代码仓库也是这么实现的。先检测单行文字，然后裁剪，复原，再贴回去。整个流程跟你说的一样。你可以参考一下。不过这个这种方式整体算是工程性的了。 请问如何确保非文字区域在整体超分图中自然融合？由于超分是对裁剪块进行处理，最终拼接回原图时，如何让未裁剪区域与超分块保持风格一致、过渡自然？感谢回复！！