论文阅读： Character Region Awareness for Text Detection （CRAFT）

最新推荐文章于 2024-08-15 09:55:00 发布
最新推荐文章于 2024-08-15 09:55:00 发布
阅读量7.1k 收藏 22
点赞数 6
分类专栏： 人工智能深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qian99/article/details/90740430
版权
本文介绍了CRAFT论文，该方法针对文本检测问题，利用分割策略，包含字符中心概率和字符连接关系的回归。网络基于VGG16，训练数据采用概率热力图，弱监督学习用于处理标注困难，后处理使用连通域分析提取边界框。
摘要由CSDN通过智能技术生成

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。

在这里插入图片描述

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。

在这里插入图片描述

上图是训练数据的labe

最低0.47元/天 解锁文章
qian99
关注
专栏目录
深入理解Character Region Awareness for Text Detection (CRAFT)
Mystra
07-06 840
本文分析CRAFT最重要的网络结构和训练数据。 其余参考：CRAFT字符检测算法和SynthText合成文本数据集 CRAFT网络结构 参考文件：craft.py 逻辑代码： 输入x，[1, 3, 1280, 960]，即输入图像尺寸 basenet是vgg16_bn，输出5个中间结果的特征图 0: 1x1024x80x60，即缩放16倍 1: 1x512x80x60，即缩放16倍 2: 1x512x160x120，即缩放8倍 3: 1x256x320x240，即缩放4倍 4: 1x128x640x4
Character Region Awareness for Text Detection解读
Xinyu_cheng的博客
06-24 4112
前言 这篇文章是CVPR 2019的一篇文章，做的是文本检测，主要是从文本显著图入手的，作者创新性地构建了一个专用于character检测的网络，我觉得这才更符合于目标检测这一类的概念，一个character就是一个目标，而不是一个word，因为所有的word都是有character构成的，下面具体来看一下文章中的想法。 论文地址：https://arxiv.org/pdf/1904.01941....
论文翻译之Character Region Awareness for Text Detection
u011489887的专栏
07-22 1407
摘要 引言
CRAFT文本检测器使用教程
最新发布
gitblog_00050的博客
08-15 321
CRAFT文本检测器使用教程 craft-text-detectorPackaged, Pytorch-based, easy to use, cross-platform version of the CRAFT text detector项目地址:https://gitcode.com/gh_mirrors/cr/craft-text-detector 项目介绍 CRAFT（Characte...
CV-Paper-文字检测-Character Region Awareness for Text Detection
BLUE BOX
10-22 709
Character Region Awareness for Text Detection 基于字符识别的文字检测 这篇文章是利用关键点检测的思想来进行文字检测。检测单个字符，并且识别出哪些字符是组成文字的，这样就可以检测出一组组文字。 以前的一些方法都是检测word-level的bounding box，但是这样会遇到一些难点，例如文字是弯曲的，不规则的，或则是特别长的。如果是基于charact...
Python-Pytorch实现的CRAFT文本检测器
08-11
Pytorch implementation of CRAFT text detector
＜论文阅读＞CRaft
qq_20532141的博客
02-03 1231
CRaft: An Erasure-coding-supported Version of Raft for Reducing Storage Cost and Network Cost 一些概念： intersection set：交集 raft本质是一个二阶段。master收到log后首先store到本地，之后并发发给其他slave；当master收到集群中一半以上的节点确认已经把该log持久化之后，他就会把这条日志commit，然后进行第二阶段：把这个commitindex发送给其他的slave节点
《CRAFT：Character Region Awareness for Text Detection》论文笔记
m_buddy的博客
09-07 1766
代码地址（非官方，训练未开源）：CRAFT-pytorch 代码地址（官方）：CRAFT-Reimplementation 1. 概述 导读：这篇文章主要致力于去解决任意形状本文的检测问题，对此文章提出了一种新的文本检测方法CRAFT，该方法检测每个文字字符的区域与文字字符的相互关系。对于字符级别的训练自然就要有字符级别的标注，然而实际中这样的数据是很少的，针对这个问题，文章有效利用了已有的字符...
Character Region Awareness for Text Detection（CVPR2019）解读
zhanglinjiang1234的博客
07-08 802
1、Character Region Awareness for Text Detection（CVPR2019） （https://arxiv.org/pdf/1904.01941.pdf） 参考论文： 1、https://blog.csdn.net/qian99/article/details/90740430 （讲的很好，复习必看） 2、https://www.jianshu...
文本检测算法:CRAFT（CVPR2019）
AI-Mei的博客
10-13 6181
多种文本检测算法性能对比 (https://blog.csdn.net/qq_39707285/article/details/108754444) Character Region Awareness for Text Detection1. 关键点2. 算法2.1 网络结构2.2 训练2.2.1 生成GT 1. 关键点 先前的文本检测算法通常使用刚性单词级别的边界框训练的方法，导致这类算法在检测任意形状文本区域方面存在局限性。 本文设计了一种新的文本检测算法，通过检测每个字符和字符之间的联系来有效地检
仿360悬浮窗效果
04-22
NULL 博文链接：https://android-zhang.iteye.com/blog/1955321
Character Region Awareness for Text Detection(2)
weixin_43751285的博客
12-16 236
4 方法论 我们的主要目标是在自然图像中精确定位每个字符。为此，我们训练了一个深层神经网络来预测字符区域和字符之间的亲和力。由于没有公共字符级的数据集，所以采用弱监督的方式对模型进行训练。 // 这一段讲了craft需要实现的目标，和实现目标的方法：神经网络输出字符区域概率和字符间距概率。没有字符集别的数据集，通过弱监督训练而成。 4.1 体系结构 我们的主干网采用基于VGG-16的全卷积网络体系结构。我们的模型在解码部分与编码部分有拼接，这与U-net相似，因为它聚集了低水平的特征。最终输出有两个通道作为
基于 EasyOCR 微调 CRAFT 文本检测模型
Warmer_Sweeter
03-31 1447
点击下方卡片，关注“小白玩转Python”公众号EasyOCR 中的 CRAFT 模型（用于文本检测的字符区域感知）用于检测图像内文本的边界框。然后，这些边界框被发送到 EasyOCR 的文本识别器模块，以读取每个图像中的文本。CRAFT 模块和文本识别器共同构成了 EasyOCR 的管道。在上一篇文章中，我向我们展示了如何微调文本识别器模块，而本文将重点介绍如何微调 EasyOCR 的 CRAF...
探索文本检测新高度：CRAFT - 字符区域感知文本检测器
gitblog_00054的博客
05-27 502
探索文本检测新高度：CRAFT - 字符区域感知文本检测器 craft-text-detectorPackaged, Pytorch-based, easy to use, cross-platform version of the CRAFT text detector项目地址:https://gitcode.com/gh_mirrors/cr/craft-text-detector 1、项目...
CRAFT: Character Region Awareness for Text Detection ---- 论文阅读笔记
学无止境
07-31 2955
基于字符区域感知的文本检测 文提出了一种基于 **字符感知** 的文本检测方法。该方法是通过精确地定位每一个字符，然后再把检测到的字符连接成一个文本达到检测的目的。由于该方法只需要关注字符以及字符之间的距离，不需要关注整行文本，所以不需要很大的感受野，对于弯曲、变形或者极长的文本都适用。由于要精确的检测到每一个字符，所以对粘连字符（比如孟加拉语和阿拉伯语）的检测效果并不是很好。
机器学习笔记 - CRAFT(文本检测的字符区域感知)论文解读
学以致用 知行合一
09-18 1023
为了克服缺乏单个字符级别注释的问题，论文提出的框架既利用了合成图像的给定字符级别注释，也利用了通过学习的临时模型获得的真实图像的估计字符级别地面实况。对六个基准的广泛实验，包括在自然图像中包含高度弯曲文本的 TotalText 和 CTW-1500 数据集，表明我们的字符级文本检测显着优于最先进的检测器。幸运的是，现有的大多数文本数据集都没有提供字符级别的注释，而获取字符级别的基本事实所需的工作成本太高。在论文中，提出了一种新颖的文本检测器，可以定位单个字符区域并将检测到的字符链接到文本实例。
文本检测之-craft检测算法
九华宗的专栏
07-14 7317
论文名称: Character Region Awareness for Text Detection 开源代码: https://github.com/clovaai/CRAFT-pytorch 论文核心思想: 本论文为2019年韩国学者提出的一种字符级的文本检测算法, 取得了不错的检测效果. craft文本检测的主要思想: 图像分割的思想, 采用u-net结构, 先下采样再上采样, 非像素级分割, 而是将一个character视为一个检测目标对象，而不是一个word（所有的word都由characte
CRAFT: Character Region Awareness for Text Detection ---- 论文翻译
学无止境
07-30 2440
基于字符区域感知的文本检测 论文地址：https://arxiv.org/abs/1904.01941 摘要   最近出现了基于神经网络的场景文本检测方法，并且已经显示出可观的结果。之前的方法使用严格的单词级别的边界框训练，在表示任意形状的文本区域会有所限制。在本文中，我们提出了一种新的场景文本检测方法，通过探索每个字符和字符之间的亲和力来有效地检测文本区域。为了克服缺乏单个字符级注释的缺点，...
http://127.0.0.1:8089/awareness/getAccetTypeTree GET 方法调用方法怎么写
06-08
在前端页面中，可以使用 JavaScript 的 fetch 函数或者 axios 库来发送 GET 请求来调用该接口。以下是使用 fetch 函数的方法调用示例： ```javascript fetch('http://127.0.0.1:8089/awareness/getAccetTypeTree') .then(response => response.json()) .then(data => { // 在这里处理接口返回的数据 console.log(data) }) .catch(error => { // 在这里处理请求错误 console.error(error) }) ``` 使用 axios 库的方法调用示例： ```javascript axios.get('http://127.0.0.1:8089/awareness/getAccetTypeTree') .then(response => { // 在这里处理接口返回的数据 console.log(response.data) }) .catch(error => { // 在这里处理请求错误 console.error(error) }) ``` 需要注意的是，为了确保请求成功，前端应用需要和后端服务在同一台服务器上或者通过跨域资源共享 (CORS) 的方式来解决跨域问题。
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值