DBNET文字检测与文字识别源码详解

已于 2024-04-29 21:12:57 修改
阅读量98 收藏 1
点赞数
分类专栏： 对比学习、多模态、扩散模型 文章标签： 语言模型 深度学习 人工智能 剪枝 机器学习
于 2024-04-28 09:13:17 首次发布
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/qq_52053775/article/details/138250126
版权
本文详细介绍了DBNET在文字检测与识别中的应用。首先讲解了文字检测任务的环境配置、配置文件指定和网络流程，特别是特征提取和DB模块的作用。接着，转向文字识别任务，包括数据与环境配置、网络流程，重点阐述了Vision Model和Language Model的结构及工作原理，并解释了融合策略。整个过程中，DBNET结合深度学习和语言模型，实现了高效准确的文字检测与识别。
摘要由CSDN通过智能技术生成

文字检测任务

1.环境配置

配置mmorc:

  • 安装pytorch
  • pip install -U openmim
mim install mmengine
mim install mmcv
mim install mmdet
  • git clone https://github.com/open-mmlab/mmocr.git
cd mmocr
pip install -v -e .

数据集：Tasks - Incidental Scene Text - Robust Reading Competition

数据集下载后放到data目录下：

2.配置文件参数指定

以 ICDAR 2015 数据集的文本检测任务准备步骤为例，你可以执行以下命令来完成数据集准备：

python tools/dataset_converters/prepare_dataset.py icdar2015 --task textdet

了解本专栏 订阅专栏 解锁全文 超级会员免费看
樱花的浪漫
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
OCR模型DBNet-------《Real-time Scene Text Detection with Differentiable Binarization》论文，模型，代码解剖
Chown先森
11-16 3102
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
DBnet源码解析
DU_YULIN的博客
07-06 1590
文章目录前言1. YAML配置文件2. 配置文件读取3. 构造并初始化配置文件中的类总结 前言 之前阅读DBNet论文时，发现很多地方讲的不是很清楚，比如为什么推理阶段速度比以前的方法快 - 没有使用启发式聚类方法根据二值图产生最终的文本框？希望通过阅读源码能够解惑，并且能够训练自己的文本检测数据集。 DBnet 源码github 地址： https://github.com/MhLiao/DB 1. YAML配置文件 DBNet的配置文件包括三个部分： （1）import: 依赖的其它配置文件，如果
Python OCR 文字检测使用模型：读光-文字检测-DBNet行检测模型-中英-通用领域
最新发布
二等碗
05-28 653
什么是OCR？OCR是“Optical Character Recognition”的缩写，中文意为“光学字符识别”。它是一种技术，可以识别和转换打印在纸张或图像上的文字和字符为机器可处理的格式，如计算机文本文件。通过使用OCR技术，可以快速地将纸质文档数字化，从而使文本可以被编辑、搜索和分析。这项技术广泛应用于各种场合，如图书馆和档案馆的文献数字化、 pdf 文件的文本搜索、以及扫描文档中的条形码和二维码等。
DBNet源码——超详细图解
weixin_43507865的博客
03-13 1661
来到这行代码，该行代码的作用就是将canvas里面的值压缩到self.thresh_min到self.thresh_max之间，即0.3-0.7。可视化结果如下：到这里，threshold_map的标签就制作好了。另外，如果是针对多边形标注，代码是一样的，下面是对印章的标注结果来到这行代码这行代码的作用就是在gt上用白色填充缩放后的多边形，可视化效果如下：第一个文本框的缩放gt第一个和第二个文本框的缩放gt第一个、第二个和第三个文本框的缩放gt第一个、第二个、第三个和第四个文本框的缩放gt。
DBNet检测条形码包含C++和Python两种版本的程序源码+模型+说明.zip
05-02
DBNet检测条形码包含C++和Python两种版本的程序源码+模型+说明.zip
场景文本检测算法 可微分二值化DBNet原理与代码解析
00000cj的博客
01-08 3342
论文https://arxiv.org/abs/1911.08947 代码https://github.com/WenmuZhou/DBNet.pytorch 官方解读https://megvii.blog.csdn.net/article/details/103502283 基于分割的文本检测方法后处理方法通常都是（1）设定固定阈值将分割模型得到的概率图转化为二值图（2）通过一些启发式方法例如像素聚类得到文本实例。本文的创新之处在于将二值化操作嵌入到分割网络中进行联合训练优化，图像中每点的阈...
DBNet++（TPAMI） 原理与代码解析
00000cj的博客
03-06 2021
本文是对DBNet的改进，关于DBNet的介绍具体可见场景文本检测算法 可微分二值化DBNet原理与代码解析，本文新提出了一种自适应尺度融合模块Adaptive Scale Fusion（ASF）module来自适应地融合多尺度的特征，将ASF应用于分割网络，显著地增强了其检测不同尺度文本实例的能力。
opencv部署DBNet文字检测包含C++和Python源码+模型+说明.zip
05-02
标题"opencv部署DBNet文字检测包含C++和Python源码+模型+说明.zip"表明这是一个关于使用OpenCV库实现DBNet（Distance-Based Regression Network）文字检测的项目，其中包含了C++和Python两种编程语言的源代码，以及...
C# Onnx DBNet 检测条形码 源码
10-31
标题中的"C# Onnx DBNet 检测条形码 源码"是指使用C#编程语言，结合ONNX（Open Neural Network Exchange）框架和DBNet（Deep Barcodes Network）模型来实现条形码检测的源代码项目。ONNX是一种开放的模型交换格式，...
opencv部署DBNet文字检测包含C++和Python两种版本的实现源码+模型+说明.zip
05-02
《OpenCV部署DBNet文字检测：C++与Python实践详解》 在计算机视觉领域，文字检测是一项关键的技术，广泛应用于文档分析、车牌识别、广告牌分析等场景。DBNet（Decoupled Detection and Segmentation Network）是...
身份证全卡面文字识别Faster-rcnn检测证件照DBNet检测文字CRNN识别证件照文字python源码+模型+说明.zip
05-02
该压缩包包含的是一个身份证全卡面文字识别的Python项目，该项目主要采用了三种技术：Faster R-CNN、DBNet和CRNN。这些技术都是在计算机视觉和自然语言处理领域中用于文本检测和识别的重要算法。 1. **Faster R-CNN...
DBNet实战：详解DBNet训练与测试（pytorch）
04-01
论文连接：https://arxiv.org/pdf/1911.08947.pdf github链接：github.com 网络结构 首先，图像输入特征提取主干，提取特征； 其次，特征金字塔上采样到相同的尺寸，并进行特征级联得到特征F； 然后，特征F用于预测概率图（probability map P）和阈值图(threshold map T) 最后，通过P和F计算近似二值图（approximate binary map B） 在训练期间对P，T，B进行监督训练，P和B是用的相同的监督信号(label)。在推理时，只需要P或B就可以得到文本框。 网络输出： 1、probability map, wh1 , 代表像素点是文本的概率 2、threshhold map, wh1, 每个像素点的阈值 3、binary map, wh1, 由1,2计算得到，计算公式为DB公式 文章链接：https://wanghao.blog.csdn.net/article/details/123904386
Python-DBNet大规模驾驶策略学习数据集
08-11
DBNet 数据集记录了视频、激光雷达点云，以及对应的资深驾驶员（驾龄超过 10 年）的真实驾驶行为。
论文阅读：(AAAI2020) 场景文本检测 DBNet + PaddleOCR源码对应
有问题请直接说问题就好
03-29 2014
DBNet论文和PaddleOCR中对应源码，对应学习
DBnet代码实现
weixin_51328903的博客
10-24 257
pytorch 运行时错误：尝试将器械"cuda：0"上的Tensor存储设置为不同器械"cpu"上的存储 _大数据知识库 (saoniuhuo.com)需要点击报错链接进入文件中修改，例如下面，在load_url中加入（第一张图为例子，加入第二张图中的代码）因为我的模型在models文件夹下，所以要修改path~为models。文中给的numpy版本低，需要下载合适的版本，具体版本csdn上搜索。首先，大多数都是版本问题，我的虚拟环境版本为。同样，这的path也需要将修改。3.运行readme中。
DBNet实战：详解DBNet训练与测试（pytorch），砥砺前行
2401_84024576的博客
04-04 985
网络结构首先，图像输入特征提取主干，提取特征；其次，特征金字塔上采样到相同的尺寸，并进行特征级联得到特征F；然后，特征F用于预测概率图（probability map P）和阈值图(threshold map T)最后，通过P和F计算近似二值图（approximate binary map B）在训练期间对P，T，B进行监督训练，P和B是用的相同的监督信号(label)。在推理时，只需要P或B就可以得到文本框。网络输出：1、probability map, wh1 , 代表像素点是文本的概率。
AI实战：2019、2020最新的中文文本检测检测模型
Zack的博客
11-07 2424
2019、2020最新的中文文本检测检测模型 1、DBNet（Real-time Scene Text Detection with Differentiable Binarization） 论文地址：https://arxiv.org/pdf/1911.08947.pdf 作者：华中科技大学 Minghui Liao 1∗ , Zhaoyi Wan 2∗ , Cong Yao 2 , Kai Chen 3,4 , Xiang Bai 1 网络结构 创新点 在基于分割的文本检测网络中，最终
pan和dbnet文字检测后处理的过程
01-13
PAN和DBNet是两种常用的文字检测模型。它们可以用于检测图像或文档中的文字并提取出来。在文字检测后，还需要进行后处理来提高检测结果的准确性和可用性。 首先，文字检测模型（如PAN和DBNet）会将输入的图像或文档...
评论
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

打赏作者

樱花的浪漫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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