YSGYoloDetector

2026年02月24日00点22分24秒

大过年的还在训练模型

这次使用了2026年1月发布的YOLO26作为训练对象

因为换了模型所以版本号也进化到2.0 作为区分

然后这次使用了原图模式数据增强

https://github.com/lhj5426/YSG/blob/main/%E6%95%B0%E6%8D%AE%E5%88%B6%E4%BD%9C/0A%E6%8B%96%E6%8B%BDX-AnyLabeling%E5%AF%BC%E5%87%BA%E7%9A%84%E6%96%87%E4%BB%B6%E5%A4%B9%E5%88%B0%E8%84%9A%E6%9C%AC%E4%B8%8AYOLO%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA.py

画师CG本来一本就好几百百页

以正数100页为例 水平标签图以64划分 100张图里有40张图会被进行数据增强如图

增强的图直接是替换原图而不是额外增加数据增强的个例 水平图会以反转 反色噪点 扫描线 等 随机多种样式进行数据增强

关于OBB数据 因为本子里实在难找倾斜文字 所以使用了 旋转增强

以46划分 100张图里 会有60张被随机旋转角度 同时 反色 噪点 扫描线 等随机效果进行原图替换数据增强

然后这次使用了更大的尺寸1600 去训练 而不是640 或者1024

同时数据量是 YOLOV11 1.1和1.2的 2倍和4倍

虽然去掉了NMS 但是面对超长图 还是不太行

下一个模型打算用用RFDETR

最近RFDETR支持了直接使用YOLO数据集来进行训练

https://github.com/roboflow/rf-detr

不要在没有旋转 文字的页面运行OBB模型

会出现灾难

OBB的正确用法

()

在有旋转文字的页面 执行过滤标签检测 只检测 旋转标签

gemini 让漫画翻译进入是3.0时代

而NSFW 目前还在2.0时代

期待YOLO2026的表现

首先感谢大佬给开的这个仓库

本仓库模型使用 https://github.com/ultralytics/ultralytics yoloV11

采集E站 数千画廊 由 淫叔馆 https://t.me/yinshuguan 馆长

https://github.com/lhj5426/YSG 训练的漫画文本检测模型

另外对电商图片 韩国长条漫画 英文漫画 也有不错的识别效果

2025年11月17日12点48分48秒

为自训练模型开发魔改了专用检测工具

https://github.com/lhj5426/X-AnyLabeling

推荐使用本模型专用的配套工具进行检测

并在检测完调整检查完之后导出对应的漫画软件的项目文件

目前支持 专用工具支持 免费开源的漫画软件 和付费图片翻译器

2款翻译软件的 项目文件导入和导出

2025年10月18日14点06分59秒

模型版本1.2 全角度版本1.0 )

这次换了模型支持了全角度 目前还处于1.0早期阶段

新模型换了新的标签更容易理解

balloon 气泡外的文字

qipao 气泡内的文字

shuqing 竖斜 竖着的气泡内和气泡外的倾斜文字

changfangtiao 长方条 横向文字不区分气泡或者矩形框内外的全部文字

hengxie 横斜 长方条的上位版 所有横着的倾斜文字

other 框体 气泡和 任意包含文字的垂直水平框体

本身就是从小白自己一点点学习的

开始的标签 我自己都有点看不懂

反正都换模型了从0开始训练

干脆标签也换成自己能理解的

2025年08月21日21点10分34秒

模型版本1.1

这次对比上次增加了对文字气泡本泡的识别 主要是把1代模型一个气泡=一个框 拆分生了一条文字一个框 只针对全彩CG类图片进行训练 方形图 长方形宽屏图

对于黑白效果表现不佳

不推荐黑白长条漫画使用此模型

同样尽可能排除拟声词

2025年06月03日03点39分02秒

自己用了 一段时间 发现 其他模型 都是多余的了

已经删除

主要推荐使用 ysgyolo_S150best.pt

遇到 超长条的可以试着使用

比如这种 贯穿整页的 超长文字对话

横向或者纵向的

这种 DERT模型 比yolo 效果相对要好一些

ysgyolo_rtdetr_0190.pt

(此话仅限针对E站全彩CG画师 https://exhentai.org/tag/group:nanohana+jam?next=3306887)