paddleocr rec_r34_vd_none_bilstm_ctc.yml rec_r34_vd_tps_bilstm_att.yml 哪个配置文件训练出来的准确率高？

[nissansz]

paddleocr rec_r34_vd_none_bilstm_ctc.yml rec_r34_vd_tps_bilstm_att.yml
哪个配置文件训练出来的准确率高？

[GreatV]

在 PaddleOCR 中，rec_r34_vd_none_bilstm_ctc.yml 和 rec_r34_vd_tps_bilstm_att.yml 是两种不同的文本识别网络配置文件，它们主要的区别在于网络结构和损失函数，这会影响训练后的准确率。

配置文件对比

1. rec_r34_vd_none_bilstm_ctc.yml

   • 采用 CTC (Connectionist Temporal Classification) 损失函数，适用于无对齐的序列预测任务。
   • 适用于 无特殊排版的文本，例如普通的OCR场景。
   • 由于 CTC 不能处理对齐信息，因此对某些复杂排版的文本（如弯曲文本）可能表现较差。

2. rec_r34_vd_tps_bilstm_att.yml

   • 采用 TPS (Thin-Plate Spline) 变换 + Attention 机制，可以处理弯曲文本和复杂排版的文本。
   • Attention 机制允许模型更好地对齐字符，提高某些场景下的识别准确率。
   • 适用于 弯曲文本、复杂排版文本，但训练和推理速度可能比 CTC 略慢。

哪个配置文件准确率更高？

• 如果你的数据集是规整的文本（例如水平排列的文字），那么 rec_r34_vd_none_bilstm_ctc.yml 可能训练得更快，并且能获得较高准确率。
• 如果你的数据集包含弯曲文本或复杂排版的文本，rec_r34_vd_tps_bilstm_att.yml 可能会有更好的识别效果，因为它具有 TPS 变换和 Attention 机制，能更好地聚焦到正确的字符位置。

总结

• 规整文本 → rec_r34_vd_none_bilstm_ctc.yml 可能表现更好
• 弯曲/复杂排版文本 → rec_r34_vd_tps_bilstm_att.yml 可能表现更好

如果你的数据集包含不同类型的文本，建议进行实验对比，看看哪个模型的准确率更符合你的需求。

---

Response generated by feifei-bot | chatgpt-4o-latest