[论文笔记]TextBoxes A Fast Text Detector with a Single Deep Neural Network

TextBoxes A Fast Text Detector with a Single Deep Neural Network

相比于ssd，创新点如下：

1.改变生成的prior boxes的aspect ratios，改为1,2,3,5,7和10。并且设置了vertical offsets

2.将３×３的卷积核改为1×５，改善了特征提取效果。

3.测试阶段：将输入的image重新变形为5种大小，３００×３００，７００×７００，３００×７００，５００×７００，１６００×１６００，进行测试。

训练阶段：只使用３００×３００大小的图像进行训练。

4.提出利用识别(recognition)来提高检测(detection)的精度。利用识别模型来计算loss，提高检测精度。

代码地址：https://github.com/MhLiao/TextBoxes/

上述创新点在代码中的具体表现为：

1.sample比例改变

'min_scale': 0.3,

'max_scale': 1.0,

'min_aspect_ratio': 0.3,

'max_aspect_ratio': 2.0,

2.prior box 的ratio比例改变

min_ratio = 20

max_ratio = 95

aspect_ratios = [[2,3,5,7,10], [2,3,5,7,10], [2,3,5,7,10], [2,3,5,7,10], [2,3,5,7,10], [2,3,5,7,10]]

3.计算loss的时候，使用长方形的卷积核

mbox_layers = CreateMultiBoxHead(net, data_layer='data', from_layers=mbox_source_layers,

use_batchnorm=use_batchnorm, min_sizes=min_sizes, max_sizes=max_sizes,

aspect_ratios=aspect_ratios, normalizations=normalizations,

num_classes=num_classes, share_location=share_location, flip=flip, clip=clip,

prior_variance=prior_variance, kernel_size=[1,5], pad=[0,2])

4.改变priorbox的生成方式

在priorbox的垂直方向设置偏移量，生成原来两倍的priorboxes.

// xmin

top_data[idx++] = (center_x - box_width / 2.) / img_width;

// ymin

top_data[idx++] = (center_y - box_height / 2.) / img_height;

// xmax

top_data[idx++] = (center_x + box_width / 2.) / img_width;

// ymax

top_data[idx++] = (center_y + box_height / 2.) / img_height;

// xmin

top_data[idx++] = (center_x - box_width / 2.) / img_width;

// ymin

top_data[idx++] = (center_y_offset_1 - box_height / 2.) / img_height;

// xmax

top_data[idx++] = (center_x + box_width / 2.) / img_width;

// ymax

top_data[idx++] = (center_y_offset_1 + box_height / 2.) / img_height;