manonggou的博客

一、背景场景文本检测一般采用两种方法：1、基于锚框的回归，缺点是不能定位任意形状的文本，特别是形状弯曲的文本；2、基于分割，缺点是距离较近的文本不能单独分割开来。二、网络结构 如图所示，网络包括两种步骤：1、文本实例分割 ----> 2、后处理算法PSE2.1 文本实例分割 基网络采用FPN结构的ResNet，选取featur...

一、 视觉识别主要包括三大类问题：图像层次（image classification）、区域层次（object detection）和像素层次（semantic segment、pose estimation & face ladmark align）。经过分类网络不断的strided convlution或者pooling得到的低分辨率，对空间精度敏感的任务上很难取得准确的...