使用word_detection_totaltext.pth检测单词，结果有遗漏的情况

[anderuier]

我使用python demo_text_detection.py --checkpoint pretrained_checkpoint/word_detection_totaltext.pth --model-type vit_h --input demo/001.jpg --output demo/ --dataset totaltext测试了一下自己的图片（纯文本的图片），发现漏了很多单词，第一张图漏了少量单词，第二张图大部分都漏了，这个是不是因为没有针对这种纯文本的数据进行训练的原因呢？

[ymy-k]

这种数据应该用HierText上训的Hi-SAM

[anderuier]

这种数据应该用HierText上训的Hi-SAM

您指的是用python demo_hisam.py --checkpoint pretrained_checkpoint/hi_sam_h.pth --model-type vit_h --input demo/001.jpg --output demo/ 这个跑吗？这个跑出来效果下面是这样的

我还有两个问题想请教一下：1、如何返回切割后的所有框位置信息；2、我想要的切割结果是精确到每个字符，并且返回每个字符的bbox结果，是不是需要做包含每个字符位置信息的数据集，然后重新训练一下？

[ymy-k]

参照README 2.2 step1保存下来jsonl结果再可视化