CRAFT_keras: 基于Keras的文本检测算法实现

CRAFT_keras: 基于Keras的文本检测算法实现

CRAFT_keras Keras implementation of Character Region Awareness for Text Detection (CRAFT) 项目地址: https://gitcode.com/gh_mirrors/cr/CRAFT_keras

项目基础介绍

CRAFT_keras 是一个开源项目，它基于Keras框架实现了CRAFT（Character Region Awareness for Text Detection）算法。CRAFT算法是一种用于文本检测的深度学习方法，它通过预测单个字符的高斯热图以及字符间的连接性来检测图像中的文本。本项目采用了Python编程语言，主要利用了Keras库进行深度模型的构建和训练。

核心功能

• 文本检测：CRAFT_keras的主要功能是检测图像中的文本区域。它通过训练得到的模型能够生成字符级的高斯热图（Region Score）和字符间连接的高斯热图（Affinity Score），从而定位图像中的文本。

• 网络结构：项目使用VGG16-BN作为主干网络，并设计了一个UpConv Block结构来进行特征图的上采样。

• 高斯热图生成：利用高斯分布生成字符和字符连接的热图，进而通过这些热图识别和定位文本。

• 伪标签生成：对于只有单词级别标签的数据集，项目能够生成字符级别的伪标签，以便进行弱监督训练。

最近更新的功能

• 优化训练策略：项目更新了训练策略，包括在强标签数据上进行强监督训练后，在其他数据集上进行fine-tuning，以及使用Adam优化器和OHEM（Online Hard Example Mining）来提高模型性能。

• 改进标签生成方法：在生成伪标签的过程中，更新了基于Word级Box坐标裁剪局部Region Score Map的方法，以提高字符级标签的准确性。

• 训练技巧：在fine-tuning期间，弱标签数据和强标签数据按照1:5的比例进行训练，确保了字符级标签的准确性，并采用了一些常用的数据增强技术，如裁剪、旋转和颜色变化等。

这些更新和改进使得CRAFT_keras项目更加稳定和高效，为文本检测任务提供了一个强大的工具。

CRAFT_keras Keras implementation of Character Region Awareness for Text Detection (CRAFT) 项目地址: https://gitcode.com/gh_mirrors/cr/CRAFT_keras