OCR模型DBNet-------《Real-time Scene Text Detection with Differentiable Binarization》论文，模型，代码解剖

首先，我先对DBNet的论文进行重点翻译解释说明，之后再对整个模型进行解剖，最后再对官方源码的实现方法，关键代码进行分析，所以篇幅也比较长，之间会附带一些例子说明，让你更深刻的了解DBNet。

论文解析：

Abstract

基于语义分割的文本检测模型得到广泛应用，因为其对各种形状的文本，如曲线文本，都有更好的精准度。然而，用于后处理生成区域的二值化对最终的检测效果起到关键影响，在这论文，提出了可微分二值化（Differentiable Binarization (DB)），它可以融入分割网络，结合DB模块进行训练，分割网络可以自适应学习二值化阈值。这不仅简化了后处理，而且提高了文本检测的性能。最终基于ResNet-18作为backbone的整个模型，在MSRA-TD500的数据集上，取得F-measure值为82.8，62FPS的检测效果。

Introduction

对于各种不规则的文本形状，语义分割具有更优秀的检测效果，因为其是基于像素点级别的。然而，基于分割的方法，需要复杂的后处理来对像素进行分类从而分割出文本实例，这也导致需要消耗更多的推断时间。举两个文本检测例子，P