FAST: Searching for a Faster Arbitrarily-Shaped Text Detector with Minimalist Kernel Representation文本检测阅读笔记(2111.02394v1.pdf)
解决的问题Question
- 检测任意形状文本
- 模型手工设计、非最优、速度慢
- 精度低
创新点Idea
- 运用了NAS网络搜索
- 运用了Connected Components Labeling (CCL)算法,实现用gpu快速后处理得到最终文本位置。
模型结构
backbone+类似残差结构+预测层(head)+Text dilation
细节
NAS选项中,设计了1*3、3*1的卷积核,有利于长文本,竖排文本检测。
NAS还用identity(表示什么都不加)控制网络规模。
没有使用fpn,直接用类似残差结构进行特征融合
损失使用
1
−
2
p
∗
g
p
2
+
q
2
1-\frac{2p*g}{p^2+q^2}
1−p2+q22p∗g,取自基本不等式,pq分别是预测和真实,同时综合了内核和text的损失。
实验
比较多个模型,绘速度精度图。
文本核收缩大小对结果的影响的实验,测试了最佳文本核收缩大小
在4个数据集上与很多算法比较精度和FPS。
总结
在速度与精度平衡上由于现有算法