The score on the ICDAR2013 dataset is very low, only around 65.

[ranye92]

I tried on several datasets, but this repo only performed well on ICDAR2015. I think ICDAR2013 is much easier than ICDAR2015,but I don't why this happen. @SakuraRiven
Anyone knows or get good score on any other dataset? We can dicuss here, thx!!!!!!!!!!中文最好:)

[SakuraRiven]

15数据集文字比较小，尺度较为固定，UNet结构dense predict比较容易。13数据集文字尺度变化比较大，不容易回归，可以尝试FPN分层预测。

loss函数可以CE+Dice一起用

生成label的时候，被切断的部分可以直接置ignore，比现在这种循环找要方便的多

[ranye92]

15数据集文字比较小，尺度较为固定，UNet结构dense predict比较容易。13数据集文字尺度变化比较大，不容易回归，可以尝试FPN分层预测。

loss函数可以CE+Dice一起用

生成label的时候，被切断的部分可以直接置ignore，比现在这种循环找要方便的多

感谢大佬这么快就回复。我刚入门不久，具体细节还是想多问一句，烦请解惑：
第一点中FPN分层预测（我理解是提取不同尺度的feature之后，不进行concat，每个scale都输出一个预测吗？不同scale的结果该如何融合呢？）

[SakuraRiven]

就类似于FRCNN那样，不同scale的feature map负责不同的预测，结果直接对应回原图就可以了啊。

这个只是我个人想法，当时这个repo真就写着玩的，当入门看就行，真做项目还是自己改进下

[ranye92]

就类似于FRCNN那样，不同scale的feature map负责不同的预测，结果直接对应回原图就可以了啊。

这个只是我个人想法，当时这个repo真就写着玩的，当入门看就行，真做项目还是自己改进下

收到，感谢！