【论文阅读】DBNet:Real-time Scene Text Detection with Differentiable Binarization
发布时间
阅读量：
阅读量
题目：Real-time Scene Text Detection with Differentiable Binarization
motivation:
文字检测算法可以大致分为两类：基于回归的方法和基于分割的方法。基于分割的方法先通过网络输出图片的文本分割结果，使用预设的阈值将分割结果图转换为二值图。使用阈值来判定前景和背景的操作，这个操作是不可微的，所以无法使用网络将该部分流程放入到网络中训练，本文通过学习threshmap和使用可微的操作来将阈值转换放入到网络中训练。作者想让二值化更牛逼。
method：
牛逼吧。。。可微耶！
lossfun:
bce_loss = self.bce_loss(pred['binary'], batch['gt'], batch['mask'])
metrics = dict(bce_loss=bce_loss)
if 'thresh' in pred:
l1_loss, l1_metric = self.l1_loss(pred['thresh'], batch['thresh_map'], batch['thresh_mask'])
dice_loss = self.dice_loss(pred['thresh_binary'], batch['gt'], batch['mask'])
metrics['thresh_loss'] = dice_loss
loss = dice_loss + self.l1_scale * l1_loss + bce_loss * self.bce_scale
metrics.update(**l1_metric)
AI写代码c
运行注意构建batch[‘thresh_map’], batch[‘thresh_mask’]的方法。
batch[‘gt’]是标注缩水之后
batch[‘thresh_map’]是文字块边缘分别向内向外收缩和扩张
experiments:
还是直接上图
【完结】
全部评论 (0)
还没有任何评论哟~