文本检测DB net 实践

a64506青竹

已于 2022-09-19 23:21:56 修改

阅读量448

点赞数

分类专栏： OCR-表格文章标签：数据库

于 2022-09-19 15:30:48 首次发布

本文链接：https://blog.csdn.net/a645061612/article/details/126934634

版权

OCR-表格专栏收录该内容

3 篇文章 2 订阅

订阅专栏

github 地址：GitHub - MhLiao/DB: A PyTorch implementation of "Real-time Scene Text Detection with Differentiable Binarization".

其他人的解析：DBNet阅读笔记 - 知乎

DB/DBNet：Real-time Scene Text Detection with Differentiable Binarization 一些问题 - 无左无右 - 博客园 DBNet详解_lexi_qi的博客-CSDN博客_dbnet详解（代码+解释）

论文地址：知乎 - 安全中心

由于作者用的别人框架，通过yaml文件控制加载的类和参数，这样动态生成的方式有利于实验阶段调整参数，却不利于新手快速上手。

本人在训练自己的数据集时，预测阶段结果通常会如下：

box往上偏移并且包裹不全。在可视化训练阶段的标签时，第一张图是可视化border在原图，第二章是同时可视化gt和border在原图，默认的shrik ratio是相同的0.4，这里为了区分明显，

 class: MakeSegDetectionData
  shrink_ratio: 0.2
class: MakeBorderMap shrink_ratio: 0.6

可以看到：越长的文本的标签gt的高度越小，预测阶段也是短文本效果好一点，包裹的紧密。

贴下可视化的代码，用在 image_dataset.py的__getitem__函数返回前：

    def visualize_fun(self, data):
        '''
        想要在原图同时画出 边界图、gt图和原图时，需要设置 MakeSegDetectionData
        和 MakeBorderMap 的shrink ratio不一致，这样容易观察
        '''
        # cv2.imwrite('blend.jpg',(cv2.cvtColor(((data['image'].cpu().numpy().transpose(1,2,0)*255 + np.array([122.67891434, 116.66876762, 104.00698793]))).astype(np.uint8), cv2.COLOR_RGB2BGR)))
        # 在原图上绘制
        ori = (cv2.cvtColor(((
              data['image'].cpu().numpy().transpose(1, 2, 0) * 255 + np.array(
                [122.67891434, 116.66876762, 104.00698793]))).astype(np.uint8),
                            cv2.COLOR_RGB2BGR))
        ori[data['thresh_mask'].astype(np.bool)* (data['thresh_map']> 0.3)] = np.stack(
            [data['thresh_map'] * 0, data['thresh_map'] * 0,
             data['thresh_map'] * 255], axis=-1)[data['thresh_mask'].astype(np.bool)* (data['thresh_map']> 0.3)]
        ori += np.repeat(np.expand_dims(data['gt'][0] * 125, axis=-1), 3, axis=-1).astype(np.uint8)
        cv2.imwrite('blend.jpg', ori)