简记DBNet

已于 2022-05-02 19:58:30 修改
阅读量529 收藏 2
点赞数
分类专栏： OCR 文章标签： 深度学习 计算机视觉 机器学习
于 2022-05-02 19:51:08 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/racesu/article/details/124545163
版权

《简记DBNet》

  文本检测常用的模型，如果要检测多个类别，多加 DBHead 是一种方式，而且dbnet 的一个弊端就是有重叠的文本框目标无法区分。

Key Words：dbnet


Beijing, 2022

DBNet 网络结构

  1. backbone： Resnet18
  2. neck：FPN
  3. head：DBHead
    • fm 经过各种卷积上采样4倍得到 prob_mask 利用 bce loss训练
    • fm 经过另外各种卷积上采样4倍得到 threshold_mask 利用 L1 训练
    • sigmoid(k * (prob_mask - threshold_mask) )经过 DB （可微分二值化）得到 binary mask 利用 bce loss 或 dice loss 训练

DBNet 后处理操作

  1. 模型推理得到的结果，如下图右上角所示 记为 pred_prob_mask
  2. 对 pred_prob_mask 取 0.3 阈值二值化，删除较小的噪声区域
  3. cv2. findcontours 得到包围每个二值化前景区域的点集合 记为 pred_pts
  4. 对 pred_pts 进行反 shrink 操作得到 pred_ori_pts
  5. 利用 minAreaRect 得到从 pred_ori_pts 得到最小包围框（可以不是水平的矩形，4个点，8个值），画到原图上如下图左下角所示
Mr.RottenPeach
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
文本检测模型 DBNet 一种基于分割算法的模型 对每个像素点进行自适应二值化，并将二值化过程与网络训练相结合 可微分二值化模块 概率图
万有文的博客
05-12 619
一般分割算法流程是先通过网络输出文本分割的概率图，然后使用预先设定好的阈值将概率图转换为二值图，最后使用后处理操作将像素级的结果转换为检测结果。然而，这样就会使得算法性能很大程度上取决于二值化时阈值的选择。DBNet[1]对这个流程进行了优化，对每个像素点进行自适应二值化，二值化的阈值由网络学习得到，彻底将二值化这一步骤加入到网络里一起训练，这样最终的输出图对于阈值就会非常鲁棒。DB文本检测模型使用了标准的FPN结构，网络结构如图2所示。图2 DB模型网络结构示意图。
简记个人博客源码免费分享
05-09
简记个人博客网站源码为博主现有博客网站，前端采用LayUI框架，此分享版本为asp + access。所有功能齐全，欢迎使用。 使用方法：上传至空间或服务器，通过IIS发布网站即可。 演示地址：...
pytorchOCR之DBnet（多类别文本检测1）
BADBADBADBOY的博客
05-27 4573
pytorchOCR之DBnet（多类别文本检测） 代码 完整代码 动机 主要是为了对不同文本类型，既要检测文本位置，又要分类文本类型，比如中英文检测分类，手写印刷检测分类。 实现方式 1 . 模型结构 这里对DBnet结构多增加了一个分类的支路，如下： self.classhead = nn.Sequential( nn.Conv2d(inner_channels, inner_channels // 4, 3, padding=1, bias=bias),
DBNet-TensorRT:自然场景检测DBNet网络的tensorrt版本
05-23
DBNet The Pytorch implementation is . How to Run 本仓库提供的CmakeLists.txt为win版本。Linux版本请看最后的链接。 1 生成wts 从pytoch仓库下载到代码和模型。配置好环境后 在tools/predict.py中，将save_wts属性置为True，运行后，就在在tools文件夹下生成wts文件。 同时也可以导出onnx。将onnx属性设置为True即可。 2 cmake 生成VS工程，然后编译，运行。main函数中传入不同的参数，有不同的作用。 -s为生成engin文件。 -d imgpath 代表运行前向。 linux版本 不足 1 common文件中，下面两个函数可以合并，自己偷了个懒。 ILayer* convBnLeaky(INetworkDefinition *network, std::map<std:
DBNet文本检测网络 (FPN、batch normalization、Transpose conv)
最新发布
weixin_43227526的博客
12-19 1655
DBnet网络结构与相关技术
【DBNet模型】
夜无梦的博客
10-24 6730
自己学习整理的内容，分享出来希望与大家共同学习交流，也希望得到高手指点
DBnet实现
如人饮水、冷暖自知
01-21 1602
DBnet的具体实现 1.FPN(主干为resnet50) 2.DB （两次二值化，得到prob_map，threshold_map） 3.Segout torch.reciprocal(1 + torch.exp(-k * (prob_map - threshold_map)))
【文本检测】1、DBNet | 实时文本检测器
呆呆的猫的博客
12-19 1946
本文主要介绍 DBNet
PIC单片机C语言简记
08-18
【PIC单片机C语言简记】 在嵌入式系统开发中，PIC单片机以其高效能、低功耗的特点广泛应用于各种控制系统。PICC编译器是针对Microchip公司的PIC系列微控制器的一种C语言编译器，它可以无缝对接MPLAB-IDE集成开发...
mysql 简记笔记
01-08
mysql 初学者,或者想提升一点点的朋友们
497476974884240简记.apk
08-13
497476974884240简记.apk
DBnet-lite.pytorch:具有差分二值化的实时场景文本检测的pytorch重新实现
04-30
| 简体中文 DBNet-lite-pytorch 这个项目之后会在这里更新,我把之前的项目都做了下整合 环境配置 pip install -r requirement.txt cd models/dcn/ sh make.sh 水平或倾斜文本格式 照着icdar2015的格式, x1,y1,x2,y2,x3,y3,x4,y4,label, image │ 1.jpg │ 2.jpg │ ... label │ gt_1.txt │ gt_2.txt | ... 弧形文本的格式 数据格式, x1,y1,x2,y2,x3,y3,x4,y4 ...xn,yn,label n个点组成，n的个数可以不定 image │ 1.jpg │ 2.jpg │ ... label │ gt_1.txt │ gt_2.txt | ... 训练部分 在根目录的
learning：学习简记
02-14
【学习简记】这篇文档主要涵盖了多个IT领域的学习记录，包括设计模式、Java 8、RocketMQ、RPC机制、Scala编程语言以及前端框架Vue.js。接下来，我们将详细探讨这些知识点。 首先，设计模式是软件工程中的一种最佳...
DBNet详解
热门推荐
u010901792的专栏
01-18 1万+
文章目录创新点算法的整体架构自适应阈值（Adaptive threshhold）二值化标准二值化可微二值(differentiable Binarization)直观展示可形变卷积（Deformable convolution）标签的生成PSENet标签生成DBNet标签生成损失函数后处理代码阅读数据预处理入口AugmentDetectionData（数据增强类）RandomCropData（数据裁剪类）MakeICDARData（数据重新组织类）MakeSegDetectionData(生成概率图和对应m
DBNet学习笔记
爱学习爱运动的专栏
09-26 3959
DBNet学习笔记
dbnet 论文
一千零一夜的博客
05-04 947
核心就是提出了DBnet模块，该模块的作用就是学习一个阈值图即图中每个像素位置的阈值都是变化的），对分割图上每一个像素进行针对性的二值化。（2）准：网络会输出一张分割图之外，还会自动学习出一张对应的阈值图（即图中每个像素位置的阈值都是变化的，自适应的，这个牛批很），该阈值图可对分割图上每一个像素进行针对性的二值化。正常的二值化函数是不可倒的，不可微分的，作者提出的可微分二值化使得此DB模块可参与训练，通过网络学习出一个自适应的阈值图。该论文提出一种实时的、场景文本检测方法。支持不同方向、多种形状的文本。
【论文阅读】DBNet（AAAI2020）
络小绎
07-13 1840
论文题目：Real-time Scene Text Detection with Differentiable Binarization 论文地址：https://arxiv.org/abs/1911.08947 代码地址：https://github.com/MhLiao/DB 文章贡献： 1. 提出了用于文字检测的可微二值化网络DBNet，可检测水平文本、多方向文本、弯曲文本，比之前的先进方法拥有更快的速度，同时拥有可观的性能。 2. DBNet使用轻量级骨干时也能拥有不错的效果，且在推理
DBNet理论知识（草稿）
qq_25678319的博客
07-01 1095
检测方法： 基于回归的方法（文本框）： 基于分割（基于像素点的分类）的方法（DBNet）： 分割：
【STD文本检测项目】之 DBNet++（一）用MMOCR在自己的数据集上训练进行文本检测
ailaier的专栏
06-23 3427
STD的定义，来自chatGPTScene Text Detection（场景文本检测）：也被称为文本定位。它是指从自然场景图像中自动检测和定位出存在的文本区域。场景文本检测的目标是找到图像中包含文本的矩形边界框，以便后续的文字识别或其他文本分析任务。一般是作为STR（Scene Text Recogition 场景文本识别）的上游任务，STD负责把图中的文本区域圈出来，STR负责识别圈出来的文本内容。STD有很多开源项目，可以参考。
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
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