文字检测--Progressive Scale Expansion Network(PSENet)解读

论文解读笔记：
文章链接：PSENet
code:https://github.com/whai362/PSENet

对于对目标检测不了解同学可以先了解目标检测。
本文重点记录文字检测中存在的问题已经PSENet中解决的方法。

先上网络结构

做个简单的拆分，左边是常见的目标检测结构，通过neck把特征进行融合。右边是采用n组的分割网路采用不同的分割scale其中S1最小，Sn最大，命名为progressive Scale Expansion

前面的BACKBONE和FPN是常见用法，就不进行介绍，主要记录PSE的思想：
因为本文采用的是分割的思想去进行box的定位，所以会出现的问题是多行的文字被定位成一行，入下图：

那么如何在分割的时候可以区分上下的界限呢，就是PSE的作用，
从PSE中，我们可以看出从 S1->Sn是往外扩充的，所以在S1的时候就确定了在图片中的出现的文本行数，让后再往外扩充去确定其边界，这样就可以避免串行的问题。
在训练的时候实际的标注其实是Sn的样子，通过直接对gts进行缩放得到缩放的和gts训练Sn-1 -> S1

在其余的loss以及实验因为都比较通用，不一一介绍。

文中实验结果