solofive
solofive
感觉你的检测结果本身有点乱，先提高一下处理后的效果，再按照x坐标进行排序就行
@yangyuqing15715165798 ,你可以先确定下，你的目录结构对不对
@yangyuqing15715165798 安装tensorflow-gpu，就是gpu版本，作者的代码本身就是gpu版本的，只是没用gpu代码会自动使用cpu
@yangyuqing15715165798 嗷，想起来了，首先保证GPU内存至少大于4G，在train.py中的main 中添加指定使用GPU的代码（这个就是tensorflow使用GPU的，很好搜到）
@deping-1 根据代码所在位置，反推一下，lines是根据p1 = p1[0] * nw / iw + dx, p1[1] * nh / ih + dy，反推lines和nw ，iw ，dx，nh ，ih ，dy有关，iw，ih是原图片的size，就重点看一下nw ，dx，nh ，dy
@deping-1 训练结果会出现像第一个issue说的，识别率会出现在0.4~0.5波动，我的需求原模型已经能给出很好的识别效果。我刚开始测试只用了20多张，训练后识别准确率会有提升。注意代码中的一些参数，可以适当调一调，效果会更好
@yangyuqing15715165798 你现在是遇到什么问题了吗，我没有调整学习率，准确度我有点忘了，但是目前业务使用下检测准确度相对还不错，目前遇到的都可以准确识别
@yangyuqing15715165798 这个确实是，训练次数过高准确率不会上升，准确率反而下降，原因暂时我没找到，但是在识别的时候，里面的方法中一些细小的参数可以调一调，准确率会上升一些
@yangyuqing15715165798 源码只会加载json文件，标注过程中正常操作即可，确保你的横线和竖线有焦点；还有一个玄学就是，我用python3.6训练出的模型效果比3.7的好，不知道是什么原理，如果你的模型有点不尽如意，可以和我一样试试3.6
这个网络和模型本质都是线条检测，从我实验结果来看，准确率低不代表结果差