【论文笔记】 Arbitrary-Oriented Scene Text Detection via Rotation Proposals

I. Motivation:

设计带有角度信息的anchor，以此更精准的定位多方向文字

II. Framework
采用faster-rcnn的网络结构：

跟faster-rcnn网络结构不同之处在于：

1. 带角度信息的anchor:

对于本文采用多带角度信息的anchor，以此更精准的回归多方向文字。考虑到文字的aspect ratio跟一般物体的不同，因此增加了更多类型的的aspect ratio。具体如下：

因此最终最后一层feature map上的一个pixel对应54中类型的anchor.

2. 旋转的ROI：

对于RPN网络结构的输出是带有角度的proposal, 因此在fast-rcnn中的ROI阶段需要将proposal进行旋转后再pooling.具体如下：

III.  Experiments

1. 在 MSRA-TD500 上测试：

训练集（training set）：MSRA-TD300

几个tricks:

a).考虑context ： 训练的时候对每个bounding box 的长和宽放大1.X，角度保持不变，以此捕捉context信息。（测试的时候检测到的bounding box除以相应的放大因子）：

b).数据增广： MSRA-TD300 + HUST-400

c) 边界填充：在faster-rcnn中超过边界的anchor会被舍弃，在这篇文章中，对边界进行0.25倍的填充，以此保存更多positive proposals.

d）Scale Jittering: 在训练的时候将长边随机re-scale（<=1300）

e) 后处理：将多个短的检测框进行合并，以此检测极端long的text

2. 在ICDAR2015上测试：

训练的时候去除了dataset中难辨认的box. （带有’###‘的行）

3. 跟其他方法的比较：