天津项目网站建设,优化软件seo排名,网页开发公司,策划公司英文Abstract
近年来#xff0c;基于分割的方法在文本检测场景中非常流行#xff0c;因为分割结果可以更准确地描述曲线文本等各种形状的场景文本。然而#xff0c;二值化的后处理对于分割检测是必不可少的#xff0c;它将分割方法产生的概率图转换为文本框/区域。本文提出了一…Abstract
近年来基于分割的方法在文本检测场景中非常流行因为分割结果可以更准确地描述曲线文本等各种形状的场景文本。然而二值化的后处理对于分割检测是必不可少的它将分割方法产生的概率图转换为文本框/区域。本文提出了一个可微二值化(DB)模块该模块可以在分割网络中进行二值化处理。与DB模块一起优化的分割网络可以自适应地设置二值化的阈值不仅简化了后处理而且提高了文本检测的性能。基于一个简单的分割网络我们在5个基准数据集上验证了DB模块的性能在检测精度和效率方面都始终达到了sota结果。特别是使用轻量级结构DB的性能提高是显著的因此我们可以在检测精度和效率之间找到一个平衡。具体来说以ResNet-18为backbone网络我们的检测器在MSRA-TD500数据集上实现了82.8的f值以62FPS/秒的速度运行。 代码已开源 https://github.com/MhLiao/DB。
Introduction
Methodology
Binarization
Adaptive threshold
Deformable convolution
Label generation
Optimization
Experiments Datasets
Implementation details
Ablation study
Comparisons with previous methods
Limitation
Conclusion
