BallonsTranslator项目中的文本检测模型更新与优化

在开源项目BallonsTranslator中，文本检测模型是核心组件之一，负责从漫画图像中准确定位文本区域。近期项目团队对文本检测模型进行了重要更新，移除了旧版模型并推荐使用更高效的替代方案。

模型更新背景

项目原本使用的ysgyolo_v11_x.pt模型已被标记为过时版本。经过实际测试验证，开发团队发现该模型在多项指标上表现不佳，特别是在处理多行文本识别时准确率不足。这一问题不仅影响BallonsTranslator内置的OCR功能，在使用最新版PaddleOCR时同样存在识别精度问题。

推荐替代方案

目前项目推荐使用以下两个经过优化的模型：

1. ysgyolo_S150best.pt - 基于YOLO架构优化的高性能模型
2. ysgyolo_rtdetr_0190.pt - 采用RT-DETR架构的新型检测模型

这两个模型在Hugging Face平台原存储位置已被移除，开发者需要从项目文档中获取最新下载地址。值得注意的是，项目代码层面已更新默认模型路径，确保用户能够无缝切换到新模型。

技术优化方向

针对现有模型在多行文本识别上的不足，开发团队正在训练新一代检测模型，主要改进包括：

• 采用全标注单行文本训练策略
• 优化模型对复杂排版文本的识别能力
• 提升小文本区域的检测精度

这些改进将显著提升漫画翻译中气泡文本的识别准确率，特别是对于包含多行文本、特殊排版或小字号文本的情况。

用户升级建议

对于BallonsTranslator用户，建议尽快升级到最新推荐的文本检测模型。项目文档已提供详细的使用指南和模型下载说明。用户应注意检查自己的模型版本，避免继续使用已废弃的ysgyolo_v11_x.pt模型，以获得最佳的文字检测和识别体验。