机器学习笔记 - Ocr识别中的文本检测EAST网络概述

最新推荐文章于 2025-04-14 17:30:00 发布
最新推荐文章于 2025-04-14 17:30:00 发布
阅读量604 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习从入门到精通 文章标签： OCR 深度学习 文本检测 神经网络 文本检测模型 NMS
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/bashendixie5/article/details/134481120
本文介绍了EAST网络在文本检测中的应用，它使用全卷积网络和非极大值抑制（NMS）来检测图像中的文本，尤其擅长处理非结构化文本。EAST网络包括特征提取器、特征合并分支、输出层等部分，适用于检测任意方向的文本。文章还详细讲解了EAST的网络架构、损失函数，并提供了模型的实施步骤。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、文本检测

        文本检测简单来说就是找到图像中可以出现文本的区域。例如，请参见下图，其中在检测到的文本周围绘制了绿色边框。

        在进行文本检测时，你可能会遇到两种情况

  • 具有结构化文本的图像：这是指具有干净/均匀背景和常规字体的图像。文本大多密集，行结构正确，文本颜色均匀。

  • 带有非结构化文本的图像：这是指复杂背景上带有稀疏文本的图像。文本可以具有不同的颜色、大小、字体和方向，并且可以出现在图像中的任何位置。对这些图像执行文本检测称为场景文本检测。

了解本专栏 订阅专栏 解锁全文
文字检测与识别：使用EAST和CRNN模型在ICDAR数据集上进行文字检测与识别任务
sybh的博客
04-25 873
EAST是一种高效且准确的场景文本检测器，通过一个统一的网络结构可以实现端到端的场景文本检测。它采用全卷积网络（FCN）架构，用于生成文本区域的几何图像，具有较高的检测速度和精度。为了训练EAST模型，我们需要定义一个损失函数来衡量模型的预测结果与真实标注之间的差距。此外，我们还需要定义一个评估指标来度量模型的性能。# 计算EAST模型的损失pass# 计算预测结果与真实标注之间的IoUpass为了训练CRNN模型，我们需要定义一个损失函数和一个评估指标。
机器学习笔记 - Ocr识别中的CTC算法原理概述
学以致用 知行合一
11-21 500
例如，对于上面的图像，如果我们有 10 个时间步长，那么我们可以将“State”重复为“S, S, T, T, A, A, T, T, E, E”（每个字符重复两次）并且然后训练网络。因此，我们要做的是将每个片段逐一传递给我们的文本识别模型，该模型将输出识别的文本。现在，为了训练这个网络，我们要么需要知道每个输入图像的每个时间步输出，要么需要开发一种机制将每个时间步输出转换为最终输出，反之亦然。例如，对于上面的输入图像，每个特征向量的感受野对应于输入图像中的一个矩形区域，如下所示。这就是我们想要的结果。
基于 DB、EAST、SAST 的文本检测算法详解及应用综述
最新发布
fudaihb的博客
04-14 1992
近年来，随着深度学习在计算机视觉领域的广泛应用，自然场景文字检测技术取得了飞速发展。针对复杂背景、任意形状、多角度文本等问题，学术界和工业界陆续提出了 DB、EAST、SAST 等多种算法。本文详细介绍了这几种主流文本检测方法的原理、网络结构、实现流程以及实际应用中的优缺点。通过比较分析，各算法在效率与精度之间的权衡为我们解决实际问题提供了有力指导。同时，文章还讨论了算法在 PaddleOCR 等工具库中的应用和扩展前景。复杂背景干扰：自然场景中的背景多变、纹理复杂。文本形状多样。
大话文本检测经典模型：EAST
weixin_34161029的博客
05-16 1082
2019独角兽企业重金招聘Python工程师标准>>> ...
EAST文本检测
05-17
EAST算法，OCR支持文本检测，包括水平和倾斜，运行时参考reademe，
文字识别east
weixin_44807907的博客
10-25 221
文字识别
文本检测模型EAST提取分支（Feature extractor stem）、特征合并分支（Feature-merging branch）以及输出层（Output layer） 端到端的训练
万有文的博客
05-13 1560
EAST模型是一个全卷积神经网络（FCN），主要用于预测每个像素是否是文本或单词。它剔除了之前一些卷积神经网络中的区域候选、文本格式化等操作，使得模型结构更加简洁明了。 在特征提取分支部分，EAST模型通常使用预训练的卷积神经网络（如VGG16）进行初始化，并从不同阶段的卷积层中抽取出特征图。这些特征图的大小和尺度有所不同，以便于检测不同尺度的文本行。 特征合并分支则是将不同尺度的特征图进行合并，以生成包含多尺度信息的最终特征图。这一步骤有助于模型更准确地检测不同尺度的文本。
文本的检测、识别实战：使用 Tesseract 进行 OpenCV OCR 和文本识别
2401_84009054的博客
04-22 818
着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**
PP-OCR笔记
qq_27603595的博客
08-01 3131
paddleOCR学习笔记
机器学习笔记 基于OpenCV的文本检测和识别模块
学以致用 知行合一
04-30 669
east是一种高效准确的场景文本检测器，网络模型如下。该模型是一个适用于文本检测的全卷积神经网络，输出单词或文本行的密集每像素预测。这就省去了诸如候选建议、文本区域形成和单词分割等中间步骤。后处理步骤仅包括对预测的几何形状进行阈值处理和NMS。论文地址论文对应实现的地址。
EAST 自然场景下的文字识别算法 预训练文件 part2
04-28
EAST: An Efficient and Accurate Scene Text Detector 自然场景下的文字识别算法 预训练文件 part2
03 文本检测（二）-EAST
weixin_42454048的博客
03-07 1607
1 背景 传统的文本检测方法和一些基于深度学习的文本检测方法，大多是multi-stage，在训练时需要对多个stage调优，这势必会影响最终的模型效果，而且非常耗时．针对上述存在的问题，EAST提出了端到端的文本检测方法，消除中间多个stage(如候选区域聚合，文本分词，后处理等)，直接预测文本行。 2 网络结构 EAST模型的网络结构分为特征提取层、特征融合层、输出层三大部分。 2.1 特征提取层 特征提取层采用了PVANet，分别从stage1，stage2，stage3，stage4的卷积层抽取
EAST文本识别（学习记录）
weixin_42255569的博客
05-10 1048
源码在github上有https://github.com/argman/EAST 修改的地方不多 首先在原项目木文件中创建test文件夹用来存放测试图片，model文件夹存放训练模型，out文件夹存放测试后的图片 icdar.py改成 tf.app.flags.DEFINE_string('training_data_path', './training_samples', 'training dataset to use') multigpu_train.py根据自己的具体需求改参数 tf.app.f
EAST文本检测与Keras实现
linchuhai的博客
12-08 8383
1. 引言     之前介绍了文本检测中的CTPN方法，详情可参见《CTPN文本检测与tensorflow实现》，虽然该方法在水平文本的检测方面效果比较好，但是对于竖直文本或者倾斜的文本，该方法的检测就很差，因此，在该方法之后，很多学者也提出了各种改进方法，其中，有一篇比较经典的就是旷世科技在2017年提出来的EAST模型，论文的全称为《EAST: An Efficient and Accura...
文本检测Advanced eastnet网络训练记录
爱CV
03-19 455
参考链接： 1.https://blog.youkuaiyun.com/zhouguangfei0717/article/details/103048405 2.https://github.com/huoyijie/AdvancedEAST 3.https://www.cnblogs.com/YSPXIZHEN/p/12497858.html 4.https://blog.youkuaiyun.com/...
EAST：An Efficient and Accurate Scene Text Dectector 论文笔记
qq_17616069的博客
12-04 4283
最近看了一篇文本检测方面的论文EAST，该论文无论是在检测的精度还是速度方面都取得不错的成绩。博主准备写一篇博客来分享一下自己的感想。博主也是刚刚接触这一方向，这是博主读的第一篇论文，可能会有部分理解和知识上的错误，希望大佬们不吝批评和指教。 一、概要：近来，在文本检测方面各种各样的算法在不同的场景下都取得比较令人满意的成绩。但是同样也存在这不少不足的地方，比如说网络的训练可能分为几部进行，而且在这
【OCR技术系列之五】自然场景文本检测技术综述（CTPN, SegLink, EAST）
weixin_33762321的博客
10-12 2559
文字识别分为两个具体步骤：文字的检测和文字的识别，两者缺一不可，尤其是文字检测，是识别的前提条件，若文字都找不到，那何谈文字识别。今天我们首先来谈一下当今流行的文字检测技术有哪些。 文本检测不是一件简单的任务，尤其是复杂场景下的文本检测，非常具有挑战性。自然场景下的文本检测有如下几个难点： 文本存在多种分布，文本排布形式多样； 文本存在多个方向； 多种语言混合。 我们先从直观上理解文本检测任...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

坐望云起

如果觉得有用，请不吝打赏

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值