论文：Text-Attentional Convolutional Neural Network for Scene Text Detection 阅读笔记

一、论文

(16)Text-Attentional Convolutional Neural Network for Scene Text Detection

https://arxiv.org/abs/1604.02878

二、论文笔记

1、简介

这是一篇关于图片是否包含文字区域的二分类的论文

1、背景

（1）、文字区域只占整个图片一个很小的区域，但是图片的背景相对复杂，这样就增加了此项工作的难度

2、创新点

（1）、自己设计了一个专门针对此任务的 Text-CNN

三层卷积，两层全连接层，第二层卷积层后面接了一个池化层，全连接层后面接两个分类的任务，第二个卷积层后面接了反卷积，反卷积到输入大小的map，做mask 损失计算

（2）、多任务学习，多个监督信息，辅助任务帮助提升主任务的准确度

a)、文字区域位置监督

b)、文字类型监督，eg. A 、B

c)、是否文字区域监督

（3）、重新做了一个CE-MSERs（文本的字母，文字检测器）

3、细节

（1）、输入不是整个图片，而是图片的一块（R 32×32×3）

（2）、文字区域的监督是和出入一样的mask

（3）、辅助任务都是只在训练阶段才有的，inference 时只有主任务

（4）、训练过程：

                            如果三个任务一起训练，因为监督信息不同，收敛速度不同，因此效果不好，这里本论文尝试的是，先将区域位置监督和文字类型一起训练一定的轮次之后，然后再将文字区域位置训练停掉，然后把文字类型的任务和是否文字区域的监督一起训练。

（5）、整个任务的流程，先使用CE-MSERs把图片里的文字，字母一个个的检测出来，然后将检测出来的候选框，送入到txt-cnn里边区分是否确实是文本（vs 背景），然后剩余的工作，和其他一样

 

5、实验细节

（1）、通过可视化神经网络中间的feature map 验证模型是否有效果