BallonsTranslator项目中YOLO文本检测模型的优化实践

引言

在开源漫画翻译工具BallonsTranslator中，文本检测是核心功能之一。近期项目组针对YOLO文本检测模型（ysgyolo_v11_x.pt）进行了重要优化，解决了模型在实际应用中出现的检测不全和边界问题。本文将深入分析问题原因、解决方案以及模型优化的实践经验。

问题分析

在实际使用过程中，用户反馈ysg文本检测模型效果与原作者测试结果存在明显差距，主要表现在：

1. 整页漏检：部分页面文本区域完全未被检测到
2. 边界问题：检测框边界不准确，出现明显偏移
3. 长条文本识别不全：特别是超长条和横条文本区域检测效果不佳

通过对比测试发现，使用相同模型在不同推理环境下的结果存在显著差异，表明问题可能出在后处理环节而非模型本身。

技术解决方案

项目组通过提交a515a42修复了后处理中的关键bug，主要改进包括：

1. 后处理逻辑优化：修正了导致整页漏检的边界条件判断错误
2. 参数标准化：统一了iou阈值和置信度阈值等关键参数
3. 边界计算修正：改进了检测框的边界扩展算法

值得注意的是，模型参数设置对结果影响很大。测试表明，当iou阈值设为0.5、置信度阈值设为0.5时，模型能达到最佳平衡点。而之前软件默认的0.75和0.65设置会导致部分检测结果被过滤。

模型训练经验分享

针对文本检测模型的训练，项目参与者分享了宝贵经验：

1. 数据准备：从零开始积累到近100GB标注数据，历时9个月
2. 硬件选择：使用云计算平台租赁A100 64GB显卡，平衡成本与性能
3. 迭代训练：采用"标注-训练-再标注"的渐进式优化方法
4. 类别平衡：特别关注长条文本等难例样本的标注质量

最新发布的2025年最终版模型虽然在超长条文本检测上仍有提升空间，但已能大幅减少人工修正工作量，从原来的几乎每页都需要调整降低到约5%的页面需要微调。

实践建议

对于希望自行训练文本检测模型的开发者，建议：

1. 标注工具：使用半自动标注工具提高效率，先推理再人工修正
2. 训练策略：从小样本开始，逐步扩大数据集规模
3. 参数调优：重视iou和置信度阈值的合理设置
4. 难例挖掘：针对特定场景下的检测难点进行针对性优化

结语

BallonsTranslator通过持续优化文本检测模型，显著提升了漫画翻译的自动化程度和用户体验。这次优化不仅解决了具体的技术问题，也为开源社区的模型优化实践提供了有价值的参考案例。未来随着数据集的扩充和算法的改进，文本检测的准确率还有进一步提升的空间。