PixelLink实验(二)在弯曲文本数据集上的检测

本文介绍了PixelLink模型在CTW-1500和Total-Text两个弯曲文本数据集上的应用效果。CTW-1500数据集包含1000张训练和500张测试图像,使用PASCAL VOC协议评估,而Total-Text数据集有1255张训练和300张测试图像。在CTW-1500上,PixelLink表现良好;但在Total-Text上,检测效果不佳。文章探讨了数据处理的挑战和模型的适应性问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

前言

模型复现成功,想看一下PixelLink在弯曲文本数据集上的测试效果,选择CTW-1500和Total-Text数据集。

CTW-1500数据集

是华南理工大学金连文老师团队提出的针对弯曲文本检测的数据集,包含1000张训练集和500张测试集,每一张图片都至少包含一个弯曲文本行。下载地址:https://pan.baidu.com/s/1eSvpq7o 密码fatf
可视化标注地址:https://pan.baidu.com/s/1eR641zG 密码5xei
下载后解压,目录结构如下:
----test
--------test_image
--------test_label_circum
--------test.txt
--------test_label_curve.txt
----train
--------test_image
--------test_label_curve
--------trainval.txt
--------trainval_label_curve.txt

  • 标注策略:
    在这里插入图片描述

如上图所示,首先确定1234四个边界点,然后采用10条等距引用线(在12和34中,六等分,上5下5)来帮助标记额外的10个点。
评估协议:PASCAL VOC协议,计算的是精确的IoU。

该数据集的Paper《Detecting Curve Text in the Wild: New Dat

评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值