【论文速读】Yuliang Liu_2017_Detecting Curve Text in the Wild_New Dataset and New Solution

最新推荐文章于 2025-08-05 13:20:27 发布

转载最新推荐文章于 2025-08-05 13:20:27 发布 · 230 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/lillylin/p/9955312.html

文章标签：

#人工智能 #数据库

本文介绍了一种针对曲线文字检测的新方法，首次提出了使用14个点表示曲文的CTD算法，并发布了CTW1500数据集。该方法通过结合CNN-RPN和RNN，提高了曲文检测的准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Yuliang Liu_2017_Detecting Curve Text in the Wild_New Dataset and New Solution

作者和代码

caffe版代码

关键词

文字检测、曲文、直接回归、14个点、one-stage、开源

方法亮点

第一篇做曲文检测，还提出一个数据集CTW1500
使用14个点多边形来表示曲文
提出了一个结合CNN-RPN+RNN的检测方法专门做曲文检测

方法概述

本文方法基于RPN进行修改，除了学习text/non-text分类，多边形的bounding box回归（x1,y1,x2,y2），增加了14个点的回归，最后再进行后处理（去噪+nms）得到最终输出。

方法细节

用多边形比用四边形表示曲文更好

网络结构

分三个分支。

第一个text/non-text分支，普通的分类任务
第二个分支是整个曲文（多边形）的最外接正矩形bounding box的x1，y1，x2，y2回归任务
第三个分支是14个点的点坐标的回归任务。包括采用类似R-FCN方式进行画网格pooling、以及用RNN来增加上下文信息做平滑

regression输出

使用32个值 = 14*2=28个坐标偏移量 + 多边形的boundingbox的4个值（x1, y1, x2, y2）

Recurrent Transverse and Longitudinal Offset Connection (TLOC)

PSROIPooling： Position-sensitive ROI Pooling，类似于R-FCN，因为14个点分布的位置不同，故采用这种和位置相关的pooling
把x、y分开成两个branch
总的loss = 二类分类 + bounding box 回归 + 坐标点回归

使用RNN来平滑点（点坐标可以看做是序列问题，上下文相关性强，例如第4个点必须在第2个点的右边，有隐性约束条件，故可以用RNN来平滑）

Independently predicting each offset may lead to unsmooth text region, and somehow it may bring more false detection. Therefore, we assume the width/height of each point has associated context information, and using RNN to learn their latent characteristics. We name this method as recurrent transverse and longitudinal offset connection (TLOC).

是否使用TLOC的效果对比

CTW1500数据集

图像数1500，10751个bounding boxes，3530 curve bounding boxes，at least one curve text per image.
数据来源：google Open-Image 、自己手机收集样本
标记点采用14个点

标记不同框的效率对比

CTW样例图

长边插值

对于只有两个或四个点的annotation采用均匀差值到14个点

Figure 6. Visualization of the interpolation for 4 points bounding boxes. The 10 equal division points will be respectively interpolated in two Red sides of each bounding box. Green means straight line without interpolation.