论文中训练的第二步后期，需要将检测结果输入到 text-align layer ，请问这里具体是怎么实现的呢？如果计算识别的损失呢？是通过将检测的结果和GT进行IoU的计算来判断检测结果和GT标注的bbox相对应从而得到识别的GT吗？谢谢！ @tonghe90
