PSENet tensorflow 复现

Shape Robust Text Detection with Progressive Scale Expansion Network 复现

Shape Robust Text Detection with Progressive Scale Expansion Network 这篇文章出的较早，当时出的没多久看到这篇文章，觉得比较有意思便开始复现。复现其实早就完成，不过在IC15上精度始终只有80左右(当时坚持只用IC15的数据进行训练，认为会达到一个不错的效果)，和文章中的相去甚远，便觉复现 。最近看到了作者开源代码作者代码，Github中的精度和论文中的结合起来看，真是让人一言难尽，不过不得不承认作者做的确实是一个不错的工作。

我是在入坑文字检测初期使用过tensorflow复现的这篇论文，只用IC15的数据可和作者达到相当的精度，使用MLT pretrain没试过。
TensorFlow复现链接： github link

Result(Trained only with the ICDAR15, no extra data)

Dataset	precision	recall	F-measure (%)
ICDAR15	84.5	77.3	80.7

关于PSENet算法，论文讲的比较清楚，再解读未免显得赘余。只说说自己的看法。

1. 论文的方法较好的解决了分割图粘连的情况，实现了实例分割，并且复杂度不高，同时由于该方法基于分割，故对曲形文本也是有效的。
2. 单独考虑IC15数据集，目前基于分割的方法基本取得得精度最高也就82%左右，包括本文（只使用IC15只有80%）, 而mask-rcnn直接可达84%左右,two-stage还是有巨大优势。这带来得启发是：如果想做出一个好看的结果(87%左右)，那就换更强的baseline和使用更多得数据，并在此基础上做自己的方案。

关于代码：

1. 目前PSE 算法采用C++实现，采用cython 进行包装，单次耗时10ms左右。测试较慢主要是因为输入图片较大(2240*1280), 网络推理时间较长。
2. 准备学下CUDA, 在GPU上实现PSE算法，倒不是为加速，Just for fun!

测试样图(使用三个不同的核大小)