如果增加负样本参与文字定位训练呢

[God-song]

目前存在的问题是，推理场景，绝大部分图片都没有文字都是负样本，然后目前模型误识别比较高，会经常把960960的负样本的某一些地方识别成文字区域，怎么增加负样本来训练使其误识别降低呢，数据来源为一张80008000的大图，可能这张大图只有几个文字，或者正个图都没有，文字，切分成960*960的小图以此推理，现在我期望增加很多的负样本参与训练该怎么办呢，我看源码里面如果遇到图片没有文字定位标签，会跳过

[leo-q8]

先尝试一下能否通过调参数解决，提高text_det_thresh和text_det_box_thresh的阈值，都能降低误检。如果期望增加负样本参与训练，可以对应修改数据集加载的地方，保留标签为空的样本

[God-song]

@leo-q8 这些阈值操作无法过滤掉负样本，我看了读取数据的代码，对于没有标签的数据，会采取跳过。所以无法训练纯负样本，图片，如果修改数据加载代码，让纯负样本图片加载，标签为空，那么很多都要修改，包括制作db的那个标签，就算是空标签，是否为导致计算损失那边出现什么问题呢？因为原本是不支持直接训练负样本的

[feiyilicare]

在负样本上，生成一两句机打的文本，构造成有标数据参与，会不会好一点，可以减少点代码修改工作