update pdb doc

applications/PCB字符识别/PCB字符识别.md

@@ -266,8 +266,8 @@ python3 tools/eval.py \
 | 序号 | 方案 | hmean  |  效果提升  |   实验分析  |
 | -------- | -------- | -------- | -------- | -------- |
 |   1 |  PP-OCRv3英文超轻量检测预训练模型   | 64.64%     |     -     |    提供的预训练模型具有泛化能力       |
-|   2 | PP-OCRv3英文超轻量检测预训练模型 + 验证集padding    |  72.13%  |+7.50% | padding可以提升尺寸较小图片的检测效果|
-|   3 | PP-OCRv3英文超轻量检测预训练模型  + fine-tune   | 100.00% |  +27.90%     | fine-tune会提升垂类场景效果 |
+|   2 | PP-OCRv3英文超轻量检测预训练模型 + 验证集padding    |  72.13%  |+7.49% | padding可以提升尺寸较小图片的检测效果|
+|   3 | PP-OCRv3英文超轻量检测预训练模型  + fine-tune   | 100.00% |  +27.87%     | fine-tune会提升垂类场景效果 |
 
 
 ```
@@ -420,9 +420,9 @@ python3 tools/eval.py \
 | 序号 | 方案 | acc    |  效果提升  |   实验分析  |
 | -------- | -------- | -------- | -------- | -------- |
 |   1 | PP-OCRv3中英文超轻量识别预训练模型直接评估 | 46.67%     |     -     |    提供的预训练模型具有泛化能力       |
-|   2 | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune   |  42.02%  |-4.60% | 在数据量不足的情况，反而比预训练模型效果低(也可以通过调整超参数再试试)|
-|   3 | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune + 公开通用识别数据集   | 77.00% |  +30.00%     | 在数据量不足的情况下，可以考虑补充公开数据训练 |
-|   4 | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune + 增加PCB图像数量   | 99.99% |  +23.00%     | 如果能获取更多数据量的情况，可以通过增加数据量提升效果 |
+|   2 | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune   |  42.02%  |-4.65% | 在数据量不足的情况，反而比预训练模型效果低(也可以通过调整超参数再试试)|
+|   3 | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune + 公开通用识别数据集   | 77.00% |  +30.33%     | 在数据量不足的情况下，可以考虑补充公开数据训练 |
+|   4 | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune + 增加PCB图像数量   | 99.99% |  +22.99%     | 如果能获取更多数据量的情况，可以通过增加数据量提升效果 |
 
 ```
 注：上述实验结果均是在1500张图片（1200张训练集，300张测试集）、2W张图片、添加公开通用识别数据集上训练、评估的得到，AIstudio只提供了100张数据，所以指标有所差异属于正常，只要策略有效、规律相同即可。
@@ -614,17 +614,17 @@ python3 tools/end2end/eval_end2end.py ./save_gt_label/ ./save_PPOCRV2_infer/
 | 序号 | 方案                                                     | hmean  | 效果提升 | 实验分析                              |
 | ---- | -------------------------------------------------------- | ------ | -------- | ------------------------------------- |
 | 1    | PP-OCRv3英文超轻量检测预训练模型直接评估                 | 64.64% | -        | 提供的预训练模型具有泛化能力          |
-| 2    | PP-OCRv3英文超轻量检测预训练模型 + 验证集padding直接评估 | 72.13% | +7.50%    | padding可以提升尺寸较小图片的检测效果 |
-| 3    | PP-OCRv3英文超轻量检测预训练模型  + fine-tune            | 100.00%   | +27.90%   | fine-tune会提升垂类场景效果           |
+| 2    | PP-OCRv3英文超轻量检测预训练模型 + 验证集padding直接评估 | 72.13% | +7.49%    | padding可以提升尺寸较小图片的检测效果 |
+| 3    | PP-OCRv3英文超轻量检测预训练模型  + fine-tune            | 100.00%   | +27.87%   | fine-tune会提升垂类场景效果           |
 
 * 识别
 
 | 序号 | 方案                                                         | acc    | 效果提升 | 实验分析                                                     |
 | ---- | ------------------------------------------------------------ | ------ | -------- | ------------------------------------------------------------ |
 | 1    | PP-OCRv3中英文超轻量识别预训练模型直接评估                   | 46.67% | -        | 提供的预训练模型具有泛化能力                                 |
-| 2    | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune               | 42.02% | -4.60%    | 在数据量不足的情况，反而比预训练模型效果低(也可以通过调整超参数再试试) |
-| 3    | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune + 公开通用识别数据集 | 77.00%    | +30.00%     | 在数据量不足的情况下，可以考虑补充公开数据训练               |
-| 4    | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune + 增加PCB图像数量 | 99.99% | +23.00%     | 如果能获取更多数据量的情况，可以通过增加数据量提升效果       |
+| 2    | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune               | 42.02% | -4.65%    | 在数据量不足的情况，反而比预训练模型效果低(也可以通过调整超参数再试试) |
+| 3    | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune + 公开通用识别数据集 | 77.00%    | +30.33%     | 在数据量不足的情况下，可以考虑补充公开数据训练               |
+| 4    | PP-OCRv3中英文超轻量识别预训练模型 + fine-tune + 增加PCB图像数量 | 99.99% | +22.99%     | 如果能获取更多数据量的情况，可以通过增加数据量提升效果       |
 
 * 端到端