det有时返回的box存在负数

[SWHL]

Discussed in #169

det 有时返回的box竟然有负数，这种应该直接在后台设为0吧？ [[412.0, -2.0], [514.0, -1.0], [513.0, 35.0], [411.0, 34.0]]

[HiDolen]

有原图吗

[SWHL]

我这里也没有原图，是Discussion #169 小伙伴提到的

[HiDolen]

按理说不该出问题呀。TextDecoder 里的后处理会用到 clip_det_res() 保证数值在合理范围内。

def clip_det_res(self, points, img_height, img_width):
        for pno in range(points.shape[0]):
            points[pno, 0] = int(min(max(points[pno, 0], 0), img_width - 1))
            points[pno, 1] = int(min(max(points[pno, 1], 0), img_height - 1))
        return points

[SWHL]

猜测可能是这里导致的：

RapidOCR/python/rapidocr_onnxruntime/main.py

Lines 98 to 100 in a8abd72

	if dt_boxes is not None and padding_h > 0:
	for box in dt_boxes:
	box[:, 1] -= padding_h

[benjaminwan]

存在负数的box代表此box在整张图的边缘，且识别结果可能不那么准确(比如截图边缘区域的一部分被截断了)，个人认为应该保留负数这个特征。

[ok-oldking]

我这里有个图 负数的. text是空字符串. 结果除了这个负数的还挺正常

use_dml, use_cls 这些参数无关, 都会是负数, 用的是2.0最新代码

import cv2

from rapidocr import RapidOCR, VisRes

vis = VisRes()

engine = RapidOCR(params={"Global.use_cls": False,
                          "EngineConfig.onnxruntime.use_dml": True})
image_path = 'tests/images/negative_text.png'
img = cv2.imread(image_path)

result = engine(img, use_cls=False)

for i in range(len(result.boxes)):
    pos = result.boxes[i]
    text = result.txts[i]
    width, height = round(pos[2][0] - pos[0][0]), round(pos[2][1] - pos[0][1])

    print(f'text: {text} width: {width}, height: {height}')

font_path = "tests/font/FZYTK.TTF"

vis_img = vis(image_path, result.boxes, result.txts, result.scores, font_path=font_path)
cv2.imwrite("vis_single.png", vis_img)

[ok-oldking]

text: width: 304, height: -10

[SWHL]

这个后续会考虑是否clip一下

[ok-oldking]

"Global.max_side_len":100000, "Global.min_side_len":0,
这样设置就不会出现了, 具体原理不是很清楚.
是不是不填这步在onnx推理之前也要resize的? 如果用dml是否resize似乎识别时间一样, cpu好像限制长度会快不少