wlhpange
wlhpange
In addition, this is the code I used. ~~~ from mmdet.apis import init_detector, inference_detector, show_result_pyplot import mmcv # Load model config_file = 'CascadeTabNet/Config/cascade_mask_rcnn_hrnetv2p_w32_20e_v2.py' checkpoint_file = 'epoch_36.pth' model = init_detector(config_file, checkpoint_file,...
Do I need to retrain the data set in this environment? But the previous pre-training model can't be used!
您好，谢谢您的回复！ 我今天系统学习了一下，意识到您的LGPMA中含有MAST Rcnn，因为我看到LGPMA算法也是基于MAST rCNN。我的想法是能否使用Cascade R-CNN代替Cascade Mask R-CNN进行表格检测（毕设，本来就没什么深度学习经验，不想学习实例分割：( ），然后将结果进行百度的OCR识别输出？这样可能会快速一些？ 对此我是新手，若您能看到，请不吝指点！
您好，我又看了一些文献，发现使用Cascade R-CNN也有些“穷兵黩武”，我想问问您百度系的方法指的是？是版面识别中所使用的layout-parse吗？在表格位置检测方面我想使用一个轻量化的识别率较高的模型，只需要框出整个表格的范围就满足需求的方法，您有什么建议吗？
您好，Cascade R-CNN为基础训练出的CascadeTabNet也可以胜任表格区域的检测。您还有其他建议吗？
好的，感谢！