[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-courao--ocr.pytorch":3,"tool-courao--ocr.pytorch":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":82,"owner_website":82,"owner_url":83,"languages":84,"stars":89,"forks":90,"last_commit_at":91,"license":92,"difficulty_score":10,"env_os":93,"env_gpu":94,"env_ram":93,"env_deps":95,"category_tags":103,"github_topics":104,"view_count":23,"oss_zip_url":82,"oss_zip_packed_at":82,"status":16,"created_at":111,"updated_at":112,"faqs":113,"releases":154},1619,"courao\u002Focr.pytorch","ocr.pytorch","A pure pytorch implemented ocr project including text detection and recognition","ocr.pytorch 是一个完全基于 PyTorch 框架实现的开源光学字符识别（OCR）项目，旨在为开发者提供一套轻量且高效的文字检测与识别解决方案。它主要解决了从复杂图像中自动定位并提取文字内容的技术难题，适用于文档数字化、车牌识别及自然场景文字处理等场景。\n\n该项目特别适合具备一定 Python 基础的开发者、算法研究人员或计算机视觉爱好者使用。对于希望深入理解 OCR 底层原理或需要自定义训练模型的技术人员而言，ocr.pytorch 提供了清晰的代码结构和完整的训练脚本，是极佳的学习与实践素材。普通用户若需直接应用，则可能需要借助开发者进行部署。\n\n在技术亮点方面，ocr.pytorch 采用了经典的 CTPN 算法进行高精度的文本行检测，能够灵活适应不同长度和角度的文字区域；同时结合 CRNN 网络实现端到端的文字识别，有效提升了准确率。整个项目纯由 PyTorch 构建，依赖简洁，不仅方便用户在本地环境快速复现结果，也便于研究者在此基础上尝试新的检测或识别算法，具有很高的可扩展性。","## ocr.pytorch\n> A pure pytorch implemented ocr project.    \nText detection is based CTPN and text recognition is based CRNN.  \nMore detection and recognition methods will be supported!\n\n## Prerequisite\n\n- python-3.5+\n- pytorch-0.4.1+\n- torchvision-0.2.1\n- opencv-3.4.0.14\n- numpy-1.14.3\n\n\nThey could all be installed through pip except pytorch and torchvision. As for pytorch and torchvision, \nthey both depends on your CUDA version, you would prefer to reading [pytorch's official site](https:\u002F\u002Fpytorch.org\u002F)\n\n\n### Detection\nDetection is based on [CTPN](https:\u002F\u002Farxiv.org\u002Fabs\u002F1609.03605), some codes are borrowed from \n[pytorch_ctpn](https:\u002F\u002Fgithub.com\u002Fopconty\u002Fpytorch_ctpn), several detection results: \n![detect1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcourao_ocr.pytorch_readme_f8ced366d93c.jpg)\n![detect2](test_result\u002Ft2.jpg)\n### Recognition\nRecognition is based on [CRNN](http:\u002F\u002Farxiv.org\u002Fabs\u002F1507.05717), some codes are borrowed from\n[crnn.pytorch](https:\u002F\u002Fgithub.com\u002Fmeijieru\u002Fcrnn.pytorch)\n\n### Test\nDownload pretrained models from [Baidu Netdisk](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1yllO9hBF8TgChHJ7i3WobA) (extract code: u2ff) or [Google Driver](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1hRr9v9ky4VGygToFjLD9Cd-9xan43qID)\nand put these files into checkpoints.\nThen run\n>python3 demo.py\n\nThe image files in .\u002Ftest_images will be tested for text detection and recognition, the results will be stored in .\u002Ftest_result.\n\nIf you want to test a single image, run\n>python3 test_one.py [filename]\n\n### Train\nTraining codes are placed into train_code directory.  \nTrain [CTPN](.\u002Ftrain_code\u002Ftrain_ctpn\u002Freadme.md)  \nTrain [CRNN](.\u002Ftrain_code\u002Ftrain_crnn\u002Freadme.md)  \n\n### Licence\n[MIT License](https:\u002F\u002Fopensource.org\u002Flicenses\u002FMIT)","## ocr.pytorch\n> 一个纯 PyTorch 实现的 OCR 项目。  \n文本检测基于 CTPN，文本识别基于 CRNN。未来还将支持更多检测和识别方法！\n\n## 前置条件\n\n- python-3.5+\n- pytorch-0.4.1+\n- torchvision-0.2.1\n- opencv-3.4.0.14\n- numpy-1.14.3\n\n\n除了 PyTorch 和 torchvision 之外，其他依赖库都可以通过 pip 安装。至于 PyTorch 和 torchvision，它们都与你的 CUDA 版本相关，建议阅读 [PyTorch 官方网站](https:\u002F\u002Fpytorch.org\u002F)。\n\n### 检测\n检测基于 [CTPN](https:\u002F\u002Farxiv.org\u002Fabs\u002F1609.03605)，部分代码借鉴自 [pytorch_ctpn](https:\u002F\u002Fgithub.com\u002Fopconty\u002Fpytorch_ctpn)。以下是几个检测结果：\n![detect1](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcourao_ocr.pytorch_readme_f8ced366d93c.jpg)\n![detect2](test_result\u002Ft2.jpg)\n\n### 识别\n识别基于 [CRNN](http:\u002F\u002Farxiv.org\u002Fabs\u002F1507.05717)，部分代码借鉴自 [crnn.pytorch](https:\u002F\u002Fgithub.com\u002Fmeijieru\u002Fcrnn.pytorch)。\n\n### 测试\n从 [百度网盘](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1yllO9hBF8TgChHJ7i3WobA)（提取码：u2ff）或 [Google Drive](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1hRr9v9ky4VGygToFjLD9Cd-9xan43qID) 下载预训练模型，并将这些文件放入 `checkpoints` 目录中。然后运行：\n>python3 demo.py\n\n程序会测试 `.\u002Ftest_images` 目录中的图像文件，进行文本检测和识别，结果将保存到 `.\u002Ftest_result` 目录中。\n\n如果你想单独测试一张图片，可以运行：\n>python3 test_one.py [filename]\n\n### 训练\n训练代码位于 `train_code` 目录下。  \n训练 [CTPN](.\u002Ftrain_code\u002Ftrain_ctpn\u002Freadme.md)  \n训练 [CRNN](.\u002Ftrain_code\u002Ftrain_crnn\u002Freadme.md)  \n\n### 许可证\n[MIT 许可证](https:\u002F\u002Fopensource.org\u002Flicenses\u002FMIT)","# ocr.pytorch 快速上手指南\n\n`ocr.pytorch` 是一个纯 PyTorch 实现的 OCR 项目，文本检测基于 CTPN 算法，文本识别基于 CRNN 算法。\n\n## 环境准备\n\n### 系统要求\n- Python 3.5+\n- CUDA（用于加速 PyTorch，版本需与 PyTorch 匹配）\n\n### 前置依赖\n请确保已安装以下库：\n- `pytorch` >= 0.4.1\n- `torchvision` >= 0.2.1\n- `opencv-python` == 3.4.0.14\n- `numpy` == 1.14.3\n\n> **注意**：PyTorch 和 Torchvision 的安装强烈依赖您的 CUDA 版本。请访问 [PyTorch 官网](https:\u002F\u002Fpytorch.org\u002F) 获取适合您环境的安装命令。国内用户推荐使用清华或阿里镜像源加速安装。\n\n## 安装步骤\n\n1. **安装基础依赖**\n   使用 pip 安装除 PyTorch 以外的依赖包：\n   ```bash\n   pip install opencv-python==3.4.0.14 numpy==1.14.3\n   ```\n\n2. **安装 PyTorch 和 Torchvision**\n   根据您的 CUDA 版本，从官网复制对应的安装命令。例如（以 CUDA 9.2 为例）：\n   ```bash\n   pip install torch==0.4.1 torchvision==0.2.1\n   ```\n   *国内用户可使用清华源加速：*\n   ```bash\n   pip install torch==0.4.1 torchvision==0.2.1 -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n   ```\n\n3. **下载预训练模型**\n   从以下任一地址下载预训练模型文件，并将其放入项目根目录下的 `checkpoints` 文件夹中：\n   - **百度网盘**: [下载链接](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1yllO9hBF8TgChHJ7i3WobA) (提取码: `u2ff`)\n   - **Google Drive**: [下载链接](https:\u002F\u002Fdrive.google.com\u002Fopen?id=1hRr9v9ky4VGygToFjLD9Cd-9xan43qID)\n\n## 基本使用\n\n### 批量测试\n运行以下命令，程序将自动处理 `.\u002Ftest_images` 目录下的所有图片，进行文本检测与识别，结果将保存至 `.\u002Ftest_result` 目录：\n```bash\npython3 demo.py\n```\n\n### 单张图片测试\n若只需测试单张图片，请使用以下命令（将 `[filename]` 替换为实际图片路径）：\n```bash\npython3 test_one.py [filename]\n```","某电商运营团队每天需处理数千张供应商发来的手写或打印版进货单图片，以便将商品名称和数量录入库存系统。\n\n### 没有 ocr.pytorch 时\n- 员工只能依靠人工肉眼识别图片文字并手动敲击键盘录入，耗时极长且容易因疲劳产生数字抄写错误。\n- 遇到字体模糊、倾斜或背景复杂的单据时，通用在线 OCR 接口识别率大幅下降，导致大量数据需要二次复核。\n- 缺乏灵活的本地化部署方案，敏感的商业进货数据上传至第三方云端存在泄露风险，合规压力大。\n- 无法根据特定单据格式微调模型，对于特殊的行业术语或非标排版，现有工具完全无法适配。\n\n### 使用 ocr.pytorch 后\n- 利用其内置的 CTPN 检测与 CRNN 识别算法，团队编写脚本批量自动提取图片文字，录入效率提升十倍以上且准确率稳定。\n- 基于纯 PyTorch 实现的架构允许开发人员针对模糊或倾斜图像进行模型微调，显著提升了复杂场景下的文字还原度。\n- 支持完全本地化部署，所有进货单图片数据均在内部服务器处理，彻底消除了敏感商业信息外流的安全隐患。\n- 开源代码结构清晰，团队可轻松修改训练代码以适应特有的单据排版格式，实现了定制化的高精度识别。\n\nocr.pytorch 通过提供灵活、安全且高精度的本地化文字识别方案，将繁琐的人工录入工作转化为高效的自动化流程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fcourao_ocr.pytorch_c63d89af.png","courao","coura","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fcourao_25b45c05.jpg","\r\n    CV&ML\r\n","NJU","Hangzhou","coura@smail.nju.edu.cn",null,"https:\u002F\u002Fgithub.com\u002Fcourao",[85],{"name":86,"color":87,"percentage":88},"Python","#3572A5",100,613,134,"2026-03-29T14:51:14","MIT","未说明","非强制必需，但 PyTorch 和 torchvision 的安装依赖本地 CUDA 版本，具体需参考 PyTorch 官网适配",{"notes":96,"python":97,"dependencies":98},"PyTorch 和 torchvision 无法直接通过 pip 安装通用版本，需根据本地 CUDA 版本前往 PyTorch 官网获取特定安装命令；运行测试前需从百度网盘或 Google Drive 下载预训练模型并放入 checkpoints 目录。","3.5+",[99,100,101,102],"pytorch>=0.4.1","torchvision==0.2.1","opencv-python==3.4.0.14","numpy==1.14.3",[13,14],[105,106,107,108,109,110],"ocr","text-detection","text-recognition","ctpn","crnn","ocr-pytorch","2026-03-27T02:49:30.150509","2026-04-06T05:32:15.827810",[114,119,124,129,134,139,144,149],{"id":115,"question_zh":116,"answer_zh":117,"source_url":118},9535,"在 Windows 上运行 demo.py 时出现 FileNotFoundError 错误，提示找不到输出文件路径怎么办？","这是因为代码尝试删除不存在的目录导致的。请打开 demo.py 文件，注释掉第 19-20 行的以下代码：\nif os.path.exists(result_dir):\n    shutil.rmtree(result_dir)\n这样即可解决该问题。","https:\u002F\u002Fgithub.com\u002Fcourao\u002Focr.pytorch\u002Fissues\u002F10",{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},9536,"识别长图片（如表格）时只能检测到部分行，如何调整以提高检测效果？","对于高度较大的图片，可以修改 ctpn_predict.py 文件中的参数：\n1. 将第 20 行的 height 值调大（例如调整为 2000 左右）；\n2. 也可以尝试降低第 19 行的 prob_thresh（检测阈值）。\n注意：增大 height 会显著增加处理时间。","https:\u002F\u002Fgithub.com\u002Fcourao\u002Focr.pytorch\u002Fissues\u002F14",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},9537,"CRNN 模型对输入图片的尺寸有什么具体要求？","imgH（高度）是固定的，当前网络结构仅支持 32。如果需要支持更大的高度，需要修改网络结构（在最后一个卷积层后添加一个纵向的 averagePooling）。\nimgW（宽度）其实不是固定的，旧版本留下的参数，现在的版本中短图像会被填充到最大宽度。如果训练图像大于配置中的设置值，需要相应改大配置。","https:\u002F\u002Fgithub.com\u002Fcourao\u002Focr.pytorch\u002Fissues\u002F21",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},9538,"为什么模型无法识别空格？如何处理空格问题？","目前的流程是先检测出每个单词，然后对每个单词单独识别，因此空格默认不被识别。\n如果需要保留空格，可以修改 demo.py 第 34 行，在输出结果时手动添加空格，例如：\nprint(result[key][1] + ' ')","https:\u002F\u002Fgithub.com\u002Fcourao\u002Focr.pytorch\u002Fissues\u002F4",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},9539,"运行 demo 时报错，提示 detect 模块冲突怎么办？","这通常是因为项目中的 detect 文件夹与系统中安装的 Caffe 库的 detect 模块发生了命名冲突。\n解决方法是将项目中的 detect 文件夹重命名为其他名称（例如 detect_），以避免导入冲突。","https:\u002F\u002Fgithub.com\u002Fcourao\u002Focr.pytorch\u002Fissues\u002F23",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},9540,"非中国用户无法从百度网盘下载预训练模型，有其他下载地址吗？","作者已将预训练模型上传至 Google Drive，可以在项目主页（homepage）找到下载链接。","https:\u002F\u002Fgithub.com\u002Fcourao\u002Focr.pytorch\u002Fissues\u002F16",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},9541,"加载 CRNN 预训练模型时报错 Missing key(s) in state_dict，如何解决？","这通常是因为模型保存时使用了 DataParallel 包装（键名带有 'module.' 前缀），而加载时没有正确去除。\n确保加载代码中包含去除前缀的逻辑，例如：\nself.model.load_state_dict({k.replace('module.', ''): v for k, v in torch.load(model_path).items()})","https:\u002F\u002Fgithub.com\u002Fcourao\u002Focr.pytorch\u002Fissues\u002F15",{"id":150,"question_zh":151,"answer_zh":152,"source_url":153},9542,"如何使用多尺度测试（multi-scale test）配合 NMS 来适应不同高度的文本检测？","多尺度测试的方法是：\n1. 使用不同尺寸的图像作为输入，获取带有置信度概率的预测锚框；\n2. 将这些图像和对应的锚框尺寸重新缩放到统一尺度；\n3. 最后根据置信度应用 NMS（非极大值抑制）。\n注意：这种方法会增加检测所需的计算时间和负载。","https:\u002F\u002Fgithub.com\u002Fcourao\u002Focr.pytorch\u002Fissues\u002F6",[]]