1. 采用crnn的主网络,采用roi_pooling,
采用的crnn的主网络进行特征提取,高度方向/16,宽度方向/4,然后在一张图片中有两个文本区域。特征提取完成之后,采用faster rcnn的roi_pooling对两个区域进行池化操作,pooled_height = 2, pooled_width = 2 × maxratio(rois的最大宽高比)。
以下就是出来的结果。
2. 采用crnn的主网络,采用ocr_roi_pooling
采用crnn的主网络,高度和宽度方向都缩小16倍,特征池化部分采用等比例ocr池化,这个过程中发现用VGG做主网络的时候,整个过程不收敛,具体原因还不知道。
3. 采用crnn的主网络,采用ocr_roi_pooling
采用crnn的主网络,高度缩小16倍,宽度缩小4倍,采用等比例池化做ocr特征的池化。
结果如下图所示:
分析: 没有宽度缩小16倍的效果好,应该是样本的文字区域比较大。缩小的比例大一点则效果更好。
可能的问题:
- roi_pooling,池化的时候未等比例缩放,造成了变形,所以字符识别的时候出现一定的问题。