zcswdt
zcswdt
> 您好，我也遇到了同样的问题，请问您解决了吗？ 我重新启动了一下训练，目前状态良好。
> unclip的ratio调大一点 感谢作者的回复，我也看了论文，找到了这个地方，不过还有一个问题要请教，就是我看到您在ic15数据集上训练了1200个epoch，在我们真实场景上，数据量可能比ic15大的多（列如5万张训练集），这个时候训练的epoch设置在多少比较好呢？
> convert type to unint8 region_image = region_image.astype(np.uint8) affinity_image = affinity_image.astype(np.uint8) 您好，我一直在关注您这个项目，关于此次的更新，在高斯热力图的生成上和上次是有什么区别吗？可以详细的介绍吗？
> finetune 老哥，请教您一个问题，请问您训练了么？
> _No description provided._ 可以区分，
> 请问下，项目中生成数据时该如何做数据类别平衡？ 我没有把做类别的具体可调参数写到参数解析里面，具体的参数写在每个功能模块中，如果你想修改类别比例，可以定位到该模块，去模块中修改一下参数就行。比如你想生成横排和竖排，你可以选择在这个地方选择修改你生成的比例。https://github.com/zcswdt/Color_OCR_image_generator/blob/e9c62c1a8f887fe4342c6c2c3ce5ab2f8b545f00/OCR_image_generator.py#L722 如果你想生成带有高斯模糊的图片，你可以到https://github.com/zcswdt/Color_OCR_image_generator/blob/e9c62c1a8f887fe4342c6c2c3ce5ab2f8b545f00/OCR_image_generator.py#L569中修改参数。
> 我指的是字的类别比例，比如一共5990类，语料中每个字的出现的频率是不一样的，直接随机生成应该会生成更多的高频率的字吧 1. 你说的这个按照频率的生成方法，不会涉及到语料的选取，是直接从这个字典5990中按照字符在特定场景下出现的频率随机选择拼凑到图片上，与此同时这样也就失去了语义信息。 2. 我这个是选择语料来生成图片，因为语料是文章，小说或者是新闻，它本身已经包含了频率信息，常见的字符出现的频率肯定是最高的。然后在随机截取文字长度，生成到图片上，这样也很好的保留了语义信息。
> 你好，能否提供新的ICDAR2017-MLT下载链接，谢谢 https://rrc.cvc.uab.es/?ch=8&com=downloads
> @zcswdt 官网最近无法下载，且发邮件也到不了他们信箱上，是否能给我重新分享一下百度云链接呢？谢谢 链接：https://pan.baidu.com/s/112llrK1k_CS8NzvaFyXNvQ 提取码：3kop
> @Real-YeJ 所有文件均已上傳 > https://drive.google.com/drive/folders/1dBa0ljHa4BSFKfT8LYjK1crSAl9rbHSZ?usp=sharing good job