libo-coder

文章目录前言一、网络结构二、后处理算法(渐进式扩展算法)三、标签的生成四、损失函数 loss五、OHEM 算法的思想六、训练自己的数据集6.1 数据准备6.2 数据增强6.3 pse_general 参数设置6.4 issue前言论文： Shape Robust Text Detection with Progressive Scale Expansion Network代码： https://github.com/whai362/PSENet自然场景的文本检测是当前深度学习的重要应...

文章目录前言一、网络结构1.1 segment 检测1.2 link 检测1.3 合并算法二、网络 idea三、评价参考文献前言论文： Detecting Oriented Text in Natural Images by Linking Segments代码： https://github.com/bgshih/seglink先来说说文本检测存在的难点：1.文本行边界框的宽高比范围太广；2.语言格式的不统一(如中文文本行没有间隔，英文文本行有间隔)；3.文本行的方向任意．针对上述存在的.

文章目录前言一、网络结构1.2 特征提取层：1.2 特征融合层：1.3 网络输出层：二、网络 idea三、网络 loss3.1 分数图损失(Loss for Score Map)3.2 几何形状损失(geometry loss)3.2.1 RBOX loss3.2.2 四边形框损失（QUAD loss）四、评价五、优化参考链接前言论文： EAST: An Efficient and Accurate Scene Text Detector代码： https://github.com/argman..

文章目录一、CRAFT 思路二、CRAFT 网络结构2.1 backbone论文名称： Character Region Awareness for Text Detection开源代码： https://github.com/clovaai/CRAFT-pytorch一、CRAFT 思路图像分割的思想, 采用 u-net 结构, 先下采样再上采样；利用分割的方法，与图像分割有些不同的是，CRAFT 不是对整个图像进行像素级分类，而是做了回归，它有两个分支，一个是目标是字符的中心的概率（这

1. CTPN（基于连接预选框网络的文本检测）基本思路：既然宽度是可变、不确定的，那么就按照固定的高度进行检测，看看图像中有哪些区域是连续出现了一片同样高度特征的区域，并且其边缘符合文字的特点，就将其圈出来。该模型主要是对图片中的文本行进行准确定位，其基本做法是直接在卷积获得的 feature map（特征图）上生成的一系列适当尺寸的文本 proposals（预选框）进行文本行的检测。2. 网络结构CTPN模型利用了 RNN 和 CNN 的无缝结合来提高检测精度。其中，CNN用来提取深度特征，RNN