摘要

游戏里英雄打开魔法书，一页上有若干法术“槽位”，每个槽位有一个图案、四周的小角标数字，以及图案下方的法术名称。之前的读取器只做“图案匹配”（把图案和目录里的标准图比对），没有派发任何“名称文字”的读取。图案被角标数字挡住时，图案匹配会失败，但名称可能清清楚楚。

本实验（内部编号 B104）在每个确认有法术的槽位下方裁出名称行，用已有的文字识别器读出原样文字，作为与图案身份互相独立的输出。冻结后在开发集上 148 个名称读对 145 个，没有接受任何错字。

要回答的问题

在不训练新模型的前提下，复用已有的槽位检测和文字识别，能否可靠地读出魔法书上每个法术的原样名称？可靠的标准事先定为：训练集和开发集都不得有错误接受，且名称正确率 ≥ 95%。

数据与来源

  • 从早先的数据集清单（B047）重新枚举全部 43 张魔法书页，不重新挑成功样本。其中 38 页有完整的槽位参考：532 个位置、376 个名称、156 个空位；另 5 页没有完整参考或被说明框遮挡，单列为未评分。
  • 按原来源分组：训练 24 页、校准 5 页、最新开发 9 页。校准和开发组都是已曝光过的开发数据，不是新盲测；封存来源未读。

一个分母审计发现：之前的图案评估里，最新开发组 92 个有法术的槽位只有 84 个进入身份分母。差额不是漏采，而是名称带有“精湛”“高级”等前缀、变体或异体字时，旧评分器无法唯一映射到目录身份。本轮名称评估把它们计入分母，不改目录，也不擅自去前缀。

分区 有参考页 / 全部页 槽位 已标名称 原可唯一映射目录身份
训练 24 / 28 336 228 213
校准 5 / 5 70 56 52
最新开发 9 / 10 126 92 84

方法

  1. 消费当前截图里自动检测到的法术槽位，不提供任何真实框、名称或场景答案。
  2. 对确认有法术、几何合理的槽位，在图案下方按固定比例提出名称裁区（图案中心左右各 0.85 个图案宽，垂直从图案底部往下 0.03 到 0.26 个图案高）。只支持原生 2560×1440 中文界面，图案宽高 110–190 像素、宽高比 0.75–1.33。
  3. 用常驻的文字识别器读原生图和放大 3 倍图两次：分数都 ≥ 0.90 且文字完全一致才接受。两次来自同一模型，不算独立证据。
  4. 增加字符格式门：只接受汉字和空白。训练中发现一处纸纹被读成末尾的 ~，整项拒读并保留原文，而不是删掉符号冒充读对。
  5. 空槽、未知占用、几何异常、越界、低分、冲突都记为未知。

设置

先在训练 24 页上实跑，逐个检查失败裁区，只在训练上做有界修正；然后冻结几何、门槛和字符格式，才运行校准和开发组。名称读取是默认关闭的可选属性，开启后新增 spellbook_titles 字段，不覆盖图案身份结果。

结果

训练：228 个名称、108 个空槽。初始 220 对 / 3 评分错 / 5 拒读。检查全部 8 个失败后发现：两处旧标注写“塌方”，画面实际是“坍方”，模型其实读对了；一处真正多读了 ~。加上格式门并修正两条标签后为 222/228（97.37%）、6 拒读、0 错接、空槽无输出。这个数字包含 2 条标签修正，不是模型训练增益。

冻结后的开发结果：按原参考为 142 对 / 3 错 / 3 拒读；3 个“错误”同样是“塌方/坍方”标注问题。另存三条像素标注修订后：

分区 名称正确 / 声明名称 错接 拒读 空槽误输出 名称全对页
校准 56 / 56 0 0 0 / 14 5 / 5
最新开发 89 / 92 0 3 0 / 34 6 / 9
合计 145 / 148（97.97%） 0 3 0 / 48 11 / 14

此前被中央数字遮住、图案匹配失败的 5 个法术，名称都能读出；图案的原拒判保持不变。

回归：两张完整书页和四张其他场景控制图（英雄、生物、日志、普通战场），关闭/开启名称各跑一次，除新字段外完整结果保持；两页各 12 个名称全对，其他四图不新增名称。受影响的 18 个测试文件 230 项通过。

失败与负结果

  • 三个拒读：“脆弱”“力量之歌”“手铐”，两次读字都与参考相同，但至少一次分数低于 0.90。没有为开发组降低阈值。
  • 标注本身有错误（塌方/坍方），修订另存，旧标注和旧评分保留；这些修订不能算作算法提升。
  • 英文等其他字形暂不接受，需要单独扩展验证。

局限

这是 3 个已曝光来源组上的名称字段开发测量，不是新盲测，也不是全部魔法身份、整页信息或“独立十场 ≥95%”的验收。名称不覆盖图案身份，中央数字、图案与名称的关系、带说明框的书页、其他分辨率都未验收。没有重测时延。

结论与下一步

已有检测和文字识别在受约束的组合下，就能可靠读出法术原样名称，不需要新训练。下一步在训练集上改进被中央角标遮挡的图案匹配，并用独立输出的名称来核对冲突（而不是互相回填猜测），保留名称前缀和多个候选。