PaddlePaddle文本识别模型训练：准确率始终为0的解决方案

1. 问题现象与初步排查

最近在使用PaddlePaddle框架训练文本识别（Recognition，简称rec）模型时，遇到了一个令人困惑的问题——训练过程中的准确率（acc）指标始终为0.0。这种情况在深度学习项目中并不常见，尤其是当其他训练参数看起来都正常时。作为一名刚接触PaddleX的新手，我最初以为这只是学习曲线的一部分，但随着问题持续存在，我意识到必须深入挖掘原因。

我首先检查了基础配置：

• 使用的PaddleX版本为最新稳定版
• 硬件环境为NVIDIA RTX 3060 GPU
• 数据集包含约5,000张标注图像
• 模型架构基于CRNN（卷积循环神经网络）

与参考教程对比发现，教程中的模型在10个epoch内acc就能达到60%以上，而我的模型即使训练20个epoch，acc仍停留在20%左右，且验证集上的表现同样糟糕。更奇怪的是，损失函数（loss）确实在下降，但acc却纹丝不动。

关键现象：loss下降但acc不变，通常表明模型确实在学习，但评估指标的计算可能存在问题。

2. 数据集标注问题的发现与验证

经过多次失败的调参尝试后，我将注意力转向了数据准备阶段。我的数据集包含各种方向的英文文本图像，包括：

• 水平正常文本（占比约60%）
• 倾斜文本（约30%）
• 完全倒置文本（约10%）

由于文本方向多样，我采用了四点标注法（多边形标注）而非传统的矩形框标注。在复查标注文件时，我注意到一个关键细节：PaddleX对多边形标注的点顺序有特定要求。

2.1 标注点顺序规范

正确的四点标注应该满足：

1. 第一个点（point1）应位于文本行的起始字符处
2. 第二个点（point2）应沿着文本阅读方向放置
3. 第三、四点完成四边形闭合
4. 四个点必须按顺时针或逆时针统一方向

错误示例：

code复制(100,100) → (200,100) → (200,150) → (100,150)  # 水平文本正确标注
(100,100) → (100,150) → (200,150) → (200,100)  # 点顺序反了，导致方向识别错误

2.2 方向敏感性的影响分析

当标注顺序错误时，会导致以下问题：

1. 数据增强时的方向感知错误
2. 特征提取时的空间关系混乱
3. 注意