R2CNN 算法笔记

最新推荐文章于 2024-08-05 11:09:30 发布

AI之路

最新推荐文章于 2024-08-05 11:09:30 发布

阅读量1w

点赞数 4

分类专栏：深度学习计算机视觉 OCR

本文链接：https://blog.csdn.net/u014380165/article/details/82284078

版权

R2CNN是一种针对旋转文本检测的算法，基于Faster R-CNN改进，增加了对倾斜文本框的预测。文章提出两种ROI尺寸以适应不同方向的文本，并设有三个预测支路：文本存在与否分类、水平框和倾斜框预测。倾斜框的定义和NMS处理是关键，以确保稳定性和准确性。实验结果显示R2CNN在IDCAR数据集上表现优秀。

摘要由CSDN通过智能技术生成

论文：R2CNN: Rotational Region CNN for Orientation Robust Scene Text Detection
论文链接：https://arxiv.org/abs/1706.09579

这篇文章提出了R2CNN（Rotational Region CNN）算法解决旋转文本的检测。

Figure2是R2CNN算法的整体结构，主要是在Faster RCNN算法的基础上做了一些修改：1、ROI Pooling时的尺寸除了7*7外，还有两种长宽不一致的尺寸：3*11和11*3，这种设置的用意也非常明显，就是为了解决水平和竖直长文本的检测。然后对于提取到的ROI特征做cancat操作进行融合作为后续预测支路的输入。2、预测输出有3个支路，第一个支路是有无文本的二分类，这个和目标检测算法中的目标分类类似。第二个支路是水平框（axis-aligned box）的预测，这个和目标检测算法中的框预测一样。第三个支路时倾斜框（inclined box）的预测，这部分是这篇文章的亮点，而且该支路后面跟一个NMS进行处理得到最后结果。至于RPN网络部分输出的ROI则和常规目标检测中RPN网络输出的ROI一样，都是水平方向。另外这篇文章其实还增加了一些小尺寸的anchor提升对小文本的检测效果。所以R2CNN算法最后既有常规的水平预测框输出，也有倾斜框输出，这两种框都是基于RPN网络输出的ROI得到的，虽然倾斜框支路也能预测水平框，但是作者认为第二个支路的存在对最后结果帮助较大。