简介
论文链接:https://arxiv.org/abs/1904.01941
这篇论文的主要是解决文本检测的问题,思路是利用分割的方法,与图像分割有些不同的是,CRAFT不是对整个图像进行像素级分类,而是做了回归,它有两个分支,一个是目标是字符的中心的概率(这里用概率可能不是很准确,或许说是距离字符中心的距离更好一些),另一个是字符之间的连接关系,然后经过一步后处理,得到文本的边界框。
网络结构
CRAFT的网络结构如图。看起来并不复杂,基于VGG16的结构,整体类似UNet,是一个标准的分割模型。Region Score表示该点是文字中心的概率,Affinity Score可以认为是该点是两个字之间的中心的概率。这个结构还是比较简单的,其实大部分基于分割的模型网络结构都比较简单,主要是后处理与训练数据。
训练数据格式
CRAFT的训练数据label不是二值化的图像,而是采用了类似热力图的的图像,这也对应了上面说的,表示的是该位置在文字中心的概率。
上图是训练数据的labe