识别区域太少了，楼主有没有兴趣识别更多区域 about invoice HOT 7 OPEN

cannot agree more

from invoice.

更多区域的检测识别模型会在后期开放

from invoice.

您好，只检测了几个区域，是在yolo训练的时候只用了这几个区域的标注数据吧。

from invoice.

用了这几个区域的标注数据

对，只标注了指定的这五个区域

from invoice.

用了这几个区域的标注数据

对，只标注了指定的这五个区域

【您这五个区域，用yolo训练，最终loss能收敛到多少呢？】

我训练时的一些情况：
基于银行卡数据集https://github.com/cuishuaihua/Bankcard_OCR，
用chineseocr原作者训练代码，YOLO_Kmeans生成anchors = '8,46, 8,57, 8,66, 8,75, 8,84, 8,93, 8,103, 8,115, 8,129'，因为只是银行卡数字，长度是一样的，只是原始图像尺寸上存在一些变化，所以聚类生成的anchors变化不大。
将chineseocr的文字检测模型作为resume加载，训练了10轮loss下降很慢
1606/1946 [=======================>......] - ETA: 3:28 - loss: 228.6397 - class_loss_loss: 0.0021 - xy_loss_loss: 79.8738 - wh_loss_loss: 0.2713 - confidence_loss_loss: 131.8300

from invoice.

用了这几个区域的标注数据

对，只标注了指定的这五个区域

请问下您的数据量大约多少呢？就是标注发票张数和生成发票张数

from invoice.

用了这几个区域的标注数据

对，只标注了指定的这五个区域

【您这五个区域，用yolo训练，最终loss能收敛到多少呢？】

我训练时的一些情况： 基于银行卡数据集https://github.com/cuishuaihua/Bankcard_OCR， 用chineseocr原作者训练代码，YOLO_Kmeans生成anchors = '8,46, 8,57, 8,66, 8,75, 8,84, 8,93, 8,103, 8,115, 8,129'，因为只是银行卡数字，长度是一样的，只是原始图像尺寸上存在一些变化，所以聚类生成的anchors变化不大。 将chineseocr的文字检测模型作为resume加载，训练了10轮loss下降很慢 1606/1946 [=======================>......] - ETA: 3:28 - loss: 228.6397 - class_loss_loss: 0.0021 - xy_loss_loss: 79.8738 - wh_loss_loss: 0.2713 - confidence_loss_loss: 131.8300

我想问下这个是调模型就好了嘛

from invoice.