樱缘之梦

1. 简介文本检测任务是找出图像或视频中的文字位置。不同于目标检测任务，目标检测不仅要解决定位问题，还要解决目标分类问题。目标检测和文本检测同属于“定位”问题。但是文本检测无需对目标分类，并且文本形状复杂多样。当前所说的文本检测一般是自然场景文本检测，其难点在于：自然场景中文本具有多样性：文本检测受到文字颜色、大小、字体、形状、方向、语言、以及文本长度的影响； 复杂的背景和干扰；文本检测受到图像失真，模糊，低分辨率，阴影，亮度等因素的影响； 文本密集甚至重叠会影响文字的检测； 文字存在

最近参加了百度Paddle的动手学OCR课程，特此做一个学习总结。1. 简介OCR（Optical Character Recognition，光学字符识别）是计算机视觉重要方向，传统的OCR一般面向扫描文档类对象，现在的OCR是指场景文字识别（Scene Text Recogntion，STR）主要面向自然场景。2. 前沿算法2.1 文本检测文本检测是定位出输入图像中的文字区域。可以将文本检测作为目标检测中的一个特定场景，基于通用目标检测算法进行改进适配，如TextBoxes基于SSD

1. 简介2. 原理3. 模型解析下载地址：https://github.com/ultralytics/yolov3该地址中已包含简单调用，可作为简单参考。3.1.文件内容解析从上述地址下载文件，解压之后，获得如下文件：data：数据文件夹 ————hyps：超参数文件 ————images：yolo v5测试的两张图片，zidian.jpg，bus.jpg ————各项数据集的yaml文件，里边包括存储路径path、train、val、...

目标检测是计算机视觉领域中非常重要的一个研究方向，它是将图像或者视频中目标与其他不感兴趣的部分进行区分，判断是否存在目标，确定目标位置，识别目标种类的任务，即定位+分类。传统的目标检测模型有VJ.Det[1,2],HOG.Det[3],DPM[4,5,6]，直到2012年，CNN模型日益成熟化，以深度学习为基础的目标检测模型开始发展，主要分为单阶段模型（One stage）和两阶段模型（Two stage），发展路径如下：目标检测也面临许多挑战：环境影响 密集 遮挡 重叠 多尺度：大目标