PSENET——OCR文本检测论文阅读

2024-06-13 09:48

本文主要是介绍PSENET——OCR文本检测论文阅读,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

  • 摘要
  • 1. 介绍
  • 3. 提出的方法
    • 3.1 整体框架
    • 3.2 网络设计
    • 3.3 渐进式尺度扩展算法
    • 3.4 目标标签
    • 3.5 损失函数
  • 4. 实验

摘要

1. 介绍

PSENet的优势有:

  • 基于分割的办法,能检测任意形状的文字
  • 提出了一种渐进扩张算法,能有效分割位置很近的文本
  • 每个文本实例(目标区域)有多个预测的分割实例(如何整合得到输出的?)
  • 为了得到最后的文本区域采用了Breadth-First-Search (BFS)。从最小的预测分割实例开始扩张的。因为最小的分割实例map中文字之间的距离是比较大的,容易分割。

如图:
在这里插入图片描述

3. 提出的方法

3.1 整体框架

图:
在这里插入图片描述

  • 采用ResNet做主干网络
  • 将低层次的特征和高层次的分割实例特征进行融合
  • 这些映射在F中进一步融合,以编码具有各种接受视图的信息
  • 在用F产生n个branchs:S1,S2,—Sn,Si整个图片分割结果。S1是最小的分割结果,Sn是最大的分割结果。用递进比例尺展开算法得到最后的文字区域R

3.2 网络设计

PSENet采用特征金字塔网络为主干网络,将P2,P3,P4,P5融合成1024channel的F
在这里插入图片描述

3.3 渐进式尺度扩展算法

示意图:
在这里插入图片描述
idea来源于数据结构中的广度优先搜索算法

  • 首先是在S1(最小的文字分割map)上可以得到能很好分割开的文本中心区域
  • 第二步,利用S2的像素融合到S1中,来扩张S1
  • 第三部,用S3来扩张上一步得到的结果
  • 最后用上一步得到的结果

这里可能有像素冲突,就是1个点属于两个文字区域,采用谁先扩张就是谁的。

3.4 目标标签

在我们的实践中,通过收缩原始文本实例,可以简单而有效地执行这些基本真值标签。
示意图:
在这里插入图片描述
将原始多边形pn缩小di像素,得到缩小后的多边形pi
di的计算规则(没细看):
在这里插入图片描述
在这里插入图片描述

3.5 损失函数

在这里插入图片描述
其中Lc和Ls分别表示完整文本实例和收缩文本实例的损失

  • 采用dice loss作为损失函数
  • 此外,还有许多类似于文本笔画的模式,如栅栏、格,和FOTS一样采用了OHEM(困难样本挖掘

在这里插入图片描述
其中,D是dice loss,M是OHEM输出的掩码

  • Ls是收缩文本实例的损失。由于它们被完整文本实例的原始区域所包围,为了避免一定的冗余,我们忽略了分割结果Sn中非文本区域的像素。因此,Ls可以表述为
    在这里插入图片描述
    其中W就是原始的文本区域掩码
    就是后面的dice loss是在最大文本掩码的基础上计算的

4. 实验

no time to write

这篇关于PSENET——OCR文本检测论文阅读的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1056957

相关文章

使用Python实现文本转语音(TTS)并播放音频

《使用Python实现文本转语音(TTS)并播放音频》在开发涉及语音交互或需要语音提示的应用时,文本转语音(TTS)技术是一个非常实用的工具,下面我们来看看如何使用gTTS和playsound库将文本... 目录什么是 gTTS 和 playsound安装依赖库实现步骤 1. 导入库2. 定义文本和语言 3

Python实现常用文本内容提取

《Python实现常用文本内容提取》在日常工作和学习中,我们经常需要从PDF、Word文档中提取文本,本文将介绍如何使用Python编写一个文本内容提取工具,有需要的小伙伴可以参考下... 目录一、引言二、文本内容提取的原理三、文本内容提取的设计四、文本内容提取的实现五、完整代码示例一、引言在日常工作和学

Java实现将Markdown转换为纯文本

《Java实现将Markdown转换为纯文本》这篇文章主要为大家详细介绍了两种在Java中实现Markdown转纯文本的主流方法,文中的示例代码讲解详细,大家可以根据需求选择适合的方案... 目录方法一:使用正则表达式(轻量级方案)方法二:使用 Flexmark-Java 库(专业方案)1. 添加依赖(Ma

使用Python开发一个图像标注与OCR识别工具

《使用Python开发一个图像标注与OCR识别工具》:本文主要介绍一个使用Python开发的工具,允许用户在图像上进行矩形标注,使用OCR对标注区域进行文本识别,并将结果保存为Excel文件,感兴... 目录项目简介1. 图像加载与显示2. 矩形标注3. OCR识别4. 标注的保存与加载5. 裁剪与重置图像

Linux使用cut进行文本提取的操作方法

《Linux使用cut进行文本提取的操作方法》Linux中的cut命令是一个命令行实用程序,用于从文件或标准输入中提取文本行的部分,本文给大家介绍了Linux使用cut进行文本提取的操作方法,文中有详... 目录简介基础语法常用选项范围选择示例用法-f:字段选择-d:分隔符-c:字符选择-b:字节选择--c

Java使用Tesseract-OCR实战教程

《Java使用Tesseract-OCR实战教程》本文介绍了如何在Java中使用Tesseract-OCR进行文本提取,包括Tesseract-OCR的安装、中文训练库的配置、依赖库的引入以及具体的代... 目录Java使用Tesseract-OCRTesseract-OCR安装配置中文训练库引入依赖代码实

Python如何实现PDF隐私信息检测

《Python如何实现PDF隐私信息检测》随着越来越多的个人信息以电子形式存储和传输,确保这些信息的安全至关重要,本文将介绍如何使用Python检测PDF文件中的隐私信息,需要的可以参考下... 目录项目背景技术栈代码解析功能说明运行结php果在当今,数据隐私保护变得尤为重要。随着越来越多的个人信息以电子形

C#使用DeepSeek API实现自然语言处理,文本分类和情感分析

《C#使用DeepSeekAPI实现自然语言处理,文本分类和情感分析》在C#中使用DeepSeekAPI可以实现多种功能,例如自然语言处理、文本分类、情感分析等,本文主要为大家介绍了具体实现步骤,... 目录准备工作文本生成文本分类问答系统代码生成翻译功能文本摘要文本校对图像描述生成总结在C#中使用Deep

SpringBoot使用Apache Tika检测敏感信息

《SpringBoot使用ApacheTika检测敏感信息》ApacheTika是一个功能强大的内容分析工具,它能够从多种文件格式中提取文本、元数据以及其他结构化信息,下面我们来看看如何使用Ap... 目录Tika 主要特性1. 多格式支持2. 自动文件类型检测3. 文本和元数据提取4. 支持 OCR(光学

通过C#获取PDF中指定文本或所有文本的字体信息

《通过C#获取PDF中指定文本或所有文本的字体信息》在设计和出版行业中,字体的选择和使用对最终作品的质量有着重要影响,然而,有时我们可能会遇到包含未知字体的PDF文件,这使得我们无法准确地复制或修改文... 目录引言C# 获取PDF中指定文本的字体信息C# 获取PDF文档中用到的所有字体信息引言在设计和出