本文主要是介绍[论文笔记]Single Shot Text Detector with Regional Atterntion，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！
Single Shot Text Detector with Regional Atterntion
论文地址：https://arxiv.org/abs/1709.00138
创新点：
提出an atterntion mechanism，也就是an automatically learned attention map，从而实现抑制背景干扰。
模型架构：
－text-specific component: Text Attention Module(TAM) 和Hierarchical Inception Module(HIM)
－convolutional component: 由SSD扩展而来
－box prediction component: 由SSD扩展而来
Text Attention Mechanism：
原理：利用文字的像素级别的binary mask
步骤：
1.从卷积特征中学习文字的空间区域信息
2.将文字特征封装回卷积层，实现特征增强
Aggregated Inception Feature(AIF)：
The attention model基于AIF，由AIF产生heatmap。heatmap也就是像素概率热点图，展示每个像素点的文字概率。得到的attention map与输入图像大小相同，被每个prediction layer进行降采样
如何由AIF产生heatmap:
－>input:512*512
－>F(AIF1):64*512*512
－>D(AIF1):512*512*512
－>D'(AIF1):512*512*2
－>alpha:softmax（2类）positive部分则为pixel-wise possibility of text
alpha+
－>^alpha+ = resize(alpha+):64*64
－>the resulted feature maps: ^F(AIFI)=^alpha+ * F(AIFI)
本质：提取低维度信息，通过decov方法，保留粗粒度信息。
如何训练：
提出an auxiliary loss，利用binary mask判断每个位置的像素是否属于text。
主要卖点：
同时利用pixel-wise 和box-wise信息。
Hierarchical Inception module:
原理：
低层的卷积特征关注细节，而高层的卷积特征更关注抽象信息。
感知模块：
四个卷积层
4个128 channel features －> 512 channel features
Dilated convolutions：
在无损情况下，支持感受野的指数级的增长。
Final AIFs:
Each AIF is computed by fusing the inception features of current layer with two directly adjacent layers.
lower layer: Down-sampling
higher layer:Up-sampling
这篇关于[论文笔记]Single Shot Text Detector with Regional Atterntion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！
