PSENet源码阅读笔记

论文在这里

这篇论文已经有很多人写过解析了，方法就大致说一说就好了。看这篇论文的时候学习了他们代码的实现，感觉学到了很多东西，就在这里讲一讲和代码实现有关的东西。

论文提要

我看的代码，原作者的博客讲了原理方面的内容。首先用FPN在图片中生成“推荐区域”，将“推荐区域”利用广度优先搜索进行合并，得到最后的结果。
论文中主要的东西是，使用FPN提取出图片中不同粗细的可能是文字的部分，然后使用广度优先搜索将FPN得到的几个部分给区分开。

代码实现

复现的论文神经网络部分使用的是tensorflow，广度优先搜索部分使用C++实现。
先从train.py开始看，103行定义了损失函数，在tower_loss函数中，构建了模型。模型的输出seg_maps是一个6通道的tensor，对应了论文中segmentation result。在train.py中没有引用到pse，pse在训练的过程中没有用到。
预测的过程在eval.py中。

# eval.py,第76行
def detect(seg_maps, timer, image_w, image_h, min_area_thresh=10, seg_map_thresh=0.9, ratio = 1)