修复自动检测文本时若mask高度大于宽度进程卡住的bug

backend/config.py

@@ -20,6 +20,8 @@ DET_MODEL_BASE = os.path.join(BASE_DIR, 'models')
 DET_MODEL_PATH = os.path.join(DET_MODEL_BASE, MODEL_VERSION, 'ch_det')
 
 # ×××××××××××××××××××× [可以改] start ××××××××××××××××××××
+# 单个字符的高度大于宽度阈值
+HEIGHT_WIDTH_DIFFERENCE_THRESHOLD = 10
 # 容忍的像素点偏差
 PIXEL_TOLERANCE_Y = 20  # 允许检测框纵向偏差50个像素点
 PIXEL_TOLERANCE_X = 20  # 允许检测框横向偏差100个像素点
@@ -29,6 +31,10 @@ SUBTITLE_AREA_DEVIATION_PIXEL = 10
 TOLERANCE_Y = 20
 # 高度差阈值
 THRESHOLD_HEIGHT_DIFFERENCE = 20
+# 相邻帧出
+NEIGHBOR_STRIDE = 5
+# 参考帧长度
+REFERENCE_LENGTH = 5
 # 【根据自己的GPU显存大小设置】最大同时处理的图片数量，设置越大处理效果越好，但是要求显存越高
 # 1280x720p视频设置80需要25G显存，设置50需要19G显存
 # 720x480p视频设置80需要8G显存，设置50需要7G显存

backend/inpaint/sttn_inpaint.py

@@ -33,8 +33,8 @@ class STTNInpaint:
         # 模型输入用的宽和高
         self.model_input_width, self.model_input_height = 640, 120
         # 2. 设置相连帧数
-        self.neighbor_stride = 5
-        self.ref_length = 5
+        self.neighbor_stride = config.NEIGHBOR_STRIDE
+        self.ref_length = config.REFERENCE_LENGTH
 
     def __call__(self, input_frames: List[np.ndarray], input_mask: np.ndarray):
         """

backend/main.py

@@ -262,8 +262,8 @@ class SubtitleDetect:
         to_merge_point = None  # 保存点，以便尝试与后续区间合并
 
         for i, (start, end) in enumerate(intervals):
-            # 永远不会尝试合并本身长度大于等于5的区间
-            if end - start >= 5:
+            # 永远不会尝试合并本身长度大于等于REFERENCE_LENGTH的区间
+            if end - start >= config.REFERENCE_LENGTH:
                 processed_intervals.append((start, end))
                 continue
 
@@ -276,7 +276,7 @@ class SubtitleDetect:
                     # 保存点，以便稍后尝试与后一个区间合并
                     to_merge_point = (start, end)
 
-            # 如果区间长度小于5
+            # 如果区间长度小于REFERENCE_LENGTH
             else:
                 # 尝试与后一个区间合并
                 if i + 1 < len(intervals) and intervals[i + 1][0] == end + 1:
@@ -694,6 +694,10 @@ class SubtitleRemover:
                 # 1. 获取当前批次的mask坐标全集
                 for mask_index in range(start_frame_index, end_frame_index):
                     for area in sub_list[mask_index]:
+                        xmin, xmax, ymin, ymax = area
+                        # 判断是不是非字幕区域(如果宽大于长，则认为是错误检测)
+                        if (ymax - ymin) - (xmax - xmin) > config.HEIGHT_WIDTH_DIFFERENCE_THRESHOLD:
+                            continue
                         if area not in mask_area_coordinates:
                             mask_area_coordinates.append(area)
                 # 1. 获取当前批次使用的mask