EAST: An Efficient and Accurate Scene Text Detector论文阅读

最新推荐文章于 2019-10-11 19:52:38 发布

转载最新推荐文章于 2019-10-11 19:52:38 发布 · 132 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://my.oschina.net/clgo/blog/1577725

文章标签：

#人工智能

本文介绍了一种高效的文本检测方法EAST，该方法通过使用全卷积网络（FCN）进行文字区域预测，并结合非极大值抑制（NMS）算法优化结果。相比传统方法，EAST减少了中间步骤，提高了检测速度和准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为什么80%的码农都做不了架构师？>>>

论文地址：https://arxiv.org/abs/1704.03155v2

算法实现：https://github.com/argman/EAST

已有方法局限：

文本检测的关键是设计特征用来从背景图片中找到文本，利用的是图片分割的原理，把需要识别的文本从图片中分割出来。

传统的方法是手工设计特征，深度学习方法是从训练集上学习提取特征。无论是传统的方法还是深度学习方法，都包含了几个组件和步骤，这会导致消耗大量的时间生成的确不是最优的结果。

EAST方法的优势：

论文提出的方法只使用两步，第一步使用全卷积网络生成单词或文本行的预测（生成的预测可以是旋转的矩形或文本行的预测），第二把前一步的预测送到NMS（非极大值抑制）返回最终结果，相对已存在的方法这种方法消耗的时间更短，且性能有一定的提高。

FCN（全卷积）：https://zhuanlan.zhihu.com/p/20872103?refer=dlclass

测试结果： F-score 数据集

                   0.7820   ICDAR 2015 [15] (0.8072 when tested in multi-scale),
                   0.7608   MSRA-TD500 [40] 
                   0.3945   COCO-Text [36]

论文贡献：

提出了一种使用FCN+NMS的方法，减少了中间步骤。
预测输出是灵活的，可以预测单词或文本行，可以产生旋转矩阵和四边形的预测结果。
提出的方法相对以前的方法在时间和精确度上有了一定的提高。

NMS(非极大值抑制）：http://blog.youkuaiyun.com/shuzfan/article/details/52711706

各种文本检测方法的设计结构：输入图片说明

论文提出的方法第一步使用FCN用来为单词或文本行的每一个像素做出预测判断，判断每个文本和形状的预测，消除了生成候选区域，生成文字区域，分开文字等中间步骤，第二步仅包含一个阈值来使用NMS用来预测几何形状。

网络结构：

输入图片说明

PVANet：https://www.cnblogs.com/fariver/p/7449563.html

图片被送到FCN中，输出了多通道的每个像素级文本的分数和几何图形。通道预测的包含一个映射每个像素的像素图，每个像素的分值范围在[0,1]中，其余通道表示从视图中包围单词的几何的每个像素。得分代表了信心在相同位置预测的几何形状。输入图片说明

为旋转的矩阵和四边形设计不同的损失函数，然后将阈值应用到每个预测区域，当预测集合图形的分数超过阈值时，被认为有效，保存下来送给NMS处理。

网络设计：设计网络时必须考虑到一些因素，由于字体区域大小多种多样，确定大字需要从神经区域网络后面提取特征，而预测小字的所需信息需要在神经网络的前面步骤提取。

输入图片说明

fi are extracted from the stem, whose sizes are 1/32 ,1/16 ,1/8 and 1/4 of the input image.

输入图片说明

标签生成：

转载于:https://my.oschina.net/clgo/blog/1577725