CTPN理解

Love The Way You Lie 2023-03-13 03:47 12阅读 0赞

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70][] CTPN pipline

*  类似于faster rcnn的二阶段检测算法，通过anchor作为中间元素进行回归；不同之处是增加了LSTM单元；
 *  anchor 固定宽度为16个像素，高度设定为10个值；

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 1][] ctpn中的anchor 图片来自 [这里][Link 1]

*  IOU的计算，由于anchor指定宽度16，所以对GoundTruth的坐标也进行变换，得到宽度为16的GT。和faster rcnn一样计算anchor与GT的IOU；
 *  RPN为LSTM输出序列经fc后得到部分；

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 2][] CTPN中的RPN，图片来自 [这里][Link 1]

*  proposal直接与网络的预测值计算损失。proposal不涉及pooling操作。
 *  loss

![20200510222535949.jpg][]

*  预测时，对预测框先进行nms得到固定宽度的栅格框
 *  合并栅格框——文本线构造算法

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 3][] 图片来自 [这里][Link 1]

参考文献：

1.  [场景文字检测—CTPN原理与实现][Link 1]
2.  [深度学习-TextDetection][-TextDetection]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70]: /images/20230312/4be6058cf1ba42e28d9b3117917358d7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 1]: /images/20230312/1d6dad2f26704f288b544b4559200204.png
[Link 1]: https://zhuanlan.zhihu.com/p/34757009
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 2]: /images/20230312/38d5903e2c2740a090600370611729d9.png
[20200510222535949.jpg]: /images/20230312/1deff7672dea4cdd87e7b1a34bb1161b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2h6aGoyMDA3_size_16_color_FFFFFF_t_70 3]: /images/20230312/3cb8f632f32e45adb2b5167420c4243d.png
[-TextDetection]: http://xiaofengshi.com/2019/01/23/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0-TextDetection/