文献: Wenhao He, Xu-Yao Zhang, Fei Yin, Cheng-Lin Liu. Deep Direct Regression for Multi-Oriented Scene Text Detection[J]. arXiv preprint arXiv:1703.08289v1.
本文将目前的检测方法归类为以下两种:直接回归和间接回归。间接回归指通过预测bounding box proposals的offsets进行的检测方法,如faster-rcnn,ssd等;直接回归指通过一个给定的点预测它的offsets得到边界的检测方法。本文提出了一种基于直接回归的自然场景下的多方向文本检测算法。
-网络结构
-Groundtruth和Loss函数
-Post Processing
-实验设置
本文的检测系统如下图所示,主要包括四个部分:特征提取,特征融合,多任务学习以及后处理。
1. 网络结构
检测系统的前三个部分组成了文章的网络结构。
1)特征提取:在多个卷积层进行特征提取,增加了最大感受野的范围。确保回归任务可以检测出更长的文本,同时提高边界预测的准确度。
2)特征融合:从多个尺度的feature map上提取特征,再进行融合。为了减少计算量,文章仅将融合特征map上采样至原图像尺寸的1/4,具体见下图所示(在原论文图基础上做了尺寸的标注)。
3)多任务学习:主要有两个任务的学习,分类任务和回归任务。分类任务的输出 Mcls 是一个大小为 S4×S4 的2维张量,用来预测是否为文本,张量内的元素分数越高是文本的可能性就越大;回归任务的输出 Mloc 是一个大小为 S4×S4×8 的3维张量, Mloc 中位置 (w,h,c) 的值 L(w,h,c) 表示原始图像中点 (4w,4h) 到文本bounding box的4个顶点的offsets。所以,四边形 B(w,h