深入理解Character Region Awareness for Text Detection (CRAFT)

本文分析CRAFT最重要的网络结构和训练数据。

其余参考：CRAFT字符检测算法和SynthText合成文本数据集

---

CRAFT网络结构

参考文件：craft.py

逻辑代码：

• 输入x，[1, 3, 1280, 960]，即输入图像尺寸
• basenet是vgg16_bn，输出5个中间结果的特征图
  • 0: 1x1024x80x60，即缩放16倍
  • 1: 1x512x80x60，即缩放16倍
  • 2: 1x512x160x120，即缩放8倍
  • 3: 1x256x320x240，即缩放4倍
  • 4: 1x128x640x480，即缩放2倍
  • 输出5个特征图，0~4特征图从小到大
• 第1次up：0+1=[1x1536x80x60]，降低通道至256：[1x256x80x60]，即upconv1操作；
• 第2次up：
  • 反卷积操作，[1x256x80x60] -> [1x256x160x120]，即F.interpolate操作；
  • 降低通道：[1x256x160x120]+[1x512x160x120]=[1x768x160x120]，降低通道至128：[1x128x160x120]，即upconv1操作
• 第3次up、第4次up与第2次相同&#x