如何提升版面分析模型精度

[Harryoung]

我们提供了issue bot来帮助你解答问题，你是否想要它来解答(请填写yes/no)?/We provide issue bot to solve issues, do you want it? (Please write yes/no):yes

请注意：issue bot基于大语言模型实现，其回答仅供参考。目前issue bot尚不能解析issue中的图片。/Please note: The issue bot is implemented based on large language models, and its answers are for reference only. Currently the issue bot cannot parse images in issues.

请在这里描述你的问题/Please describe your issue here:
在CDLA数据集上进行训练测试，效果不是很理想，有人能帮解决一下吗

[llm-issue-bot]

Issue Response

• ✨ Introduction: Thanks for opening this issue, I am the issue bot that will help you with your questoins!
• 🎯 First round response: The answer to your question is:

在CDLA数据集上进行训练测试，效果不是很理想。在CDLA数据集上的消融实验结果如下：

• 在CDLA数据集上，使用PP-YOLOv2策略的mAP为84.70%。
• 在CDLA数据集上，使用PP-PicoDet-LCNet2.5x(800*608)策略的mAP为87.80%。
• 在CDLA数据集上，使用PP-PicoDet-LCNet1.0x(800*608)策略的mAP为84.50%。
• 在CDLA数据集上，使用PP-PicoDet-LCNet1.0x(800*608) + FGD策略的mAP为86.80%。

在表格数据集上的消融实验结果如下：

• 在表格数据集上，使用PP-YOLOv2策略的mAP为91.30%。
• 在表格数据集上，使用PP-PicoDet-LCNet2.5x(800*608)策略的mAP为95.90%。
• 在表格数据集上，使用PP-PicoDet-LCNet1.0x(800*608)策略的mAP为95.20%。
• 在表格数据集上，使用PP-PicoDet-LCNet1.0x(800*608) + FGD策略的mAP为95.70%。

Relevant Sources

https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.7/ppstructure/layout/README_ch.md, https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.7/applications/轻量级车牌识别.md, https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.7/ppstructure/docs/PP-StructureV2_introduction.md

How to use

My answer may not be accurate. I suggest you refer to relevant sources to make a comprehensive judgment.
To invoke me for more questions, add a comment using following command:
@llm-issue-bot <QUESTION>