向AI转型的程序员都关注了这个号???
机器学习AI算法工程 公众号:datayx
psenet核心是为了解决基于分割的算法不能区分相邻文本的问题,以及对任意形状文本的检测问题。
psenet依然采用基于分割的方式,但是对文本行不同核大小做预测,然后采用渐进式扩展算法扩展小尺度kernel到最终的文本行大小。因为在小尺度kernel之间存在比较大的margin,因此能够很好的区分相邻的文本行。最终结果在icdar2015和icdar2017都取得了sota的效果,而其最大的亮点是在SCUT-CTW1500弯曲文本数据集上取得了超过先前最好算法6.37%的结果。
从上图(b)中可以看出基于回归的方式不能对弯曲文本做出很好的定位,而从(c)中可以看出基于语义分割的方式虽然可以定位弯曲文本,但是不容易将相邻的文本区分开来。而(d)中采用本文提出的渐进式扩展算法能够较好的定位弯曲文本,并且能将不同文本实例区分开来。
其具体采用的方式是首先预测每个文本行的不同kernels,这些kernels和原始文本行具有同样的形状,并且中心和原始文本行相同,但是在尺度上是逐渐递增的,最大的kernel就是原始文本行大小。之后对这些kernels采用bfs算法,首先从最小scale的kernel开始,逐步对它进行扩增到更大的kernel,最终扩增到原始文本行大小。而之所以这种方式能够区分文本行边缘像素,是因为对于最小scale的kernel,不同文本行是完全分离开的,而在逐渐扩展的过程中是受上一级kernel监督的,因此即使扩增到原始文本行大小也能够将边缘像素区分开来。网络结构:文章使用在ImageNet数据集上预训练的Resnet+fpn作为特征提取的网络结构
首先将高层特征和低层特征融合后得到(P2, P3, P4, P5)四个特征层,其中每个特征层的channel数量为256。之后将四个特种层concat得到F, 其中F=C(P2,P3,P4,P5) = P2 || Upx2(P3) || Upx4(P4) || Upx8(P5),其中的||就代表concat。x2,x4,x8分别代表2倍、4倍和8倍的上采样。将F送入Conv(3,3)-BN-ReLU层,并将特征层的channel数量变为256。之后再将F送入多个Conv(1,1)-Up-Sigmod层来得到n个分割结果S1,S2,...Sn,其中的Up代表上采样。渐进式扩展算法:渐进式扩展算法核心思想就是Breadth-First-Search(BFS),这里我们拿3个分割结果S={S1,S2,S3}来举例。
其中S1(上图a)代表最小核的分割结果,它内部有四个连通区域C={c1,c2,c3,c4}。图b将这四个连通区域使用不同颜色标记。之后我们逐步判断和C相邻的像素是否在S2中,如果在,则将其合并到图b中,从而得到合并后的结果图c。S3同理,最终我们抽取图d中不同颜色标注的连通区域作为最后的文本行检测结果。
渐进式扩展算法的伪代码见下图:
其中T、P代表中间结果,Q是一个队列,Neighbor(.)代表p的相邻像素。GroupByLabel(.)代表根据label对中间结果T进行合并。需要注意的是对于相邻连通区域,在边缘处合并时会产生冲突,因此采用先first-come-first-served的原则,将会产生冲突的像素只合并到一个kernel中去。
标签生成:
为了生成训练时不同尺寸kernels所对应的ground truths,作者采用Vatti clipping algorithm将原始多边形pn缩放di个像素从而得到pi,其中每个缩放的pi都使用0/1的二进制mask来表示分割后的标签的。
其中m代表最小的缩放比例,值的范围为(0,1]。因此可以看出ri由超参数n和m来决定,当i=1时,r1为m,当i=n时,rn为1,因此ri的取值范围为[m,1]。
作者也分别将n和m取不同参数在icdar2015数据集上做了实验,如下图所示:
固定m=0.5,n从2增加到10,从上图(a)中可以看出当n超过6以后fscore值基本不再增长。可以得出多核结构是有效的,但也不需要过多的kernels。
固定n=6,m从0.1增加到0.9,从上图(b)中可以看出m过大和过小都会掉点。当m过大时,psenet很难区分挨得很近的文本实例,而当m过小时,psenet可能会把一个文本行分成不同部分,从而造成训练不同很好的收敛。
tensorflow版 PSENet训练和测试
项目相关代码 和预训练模型获取:
关注微信公众号 datayx 然后回复 pse 即可获取。
AI项目体验地址 https://loveai.tech
根据测试命令
python eval.py
--test_data_path=./tmp/images/
--gpu_list=0
--checkpoint_path=./resnet_v1_50/
--output_dir=./tmp/
在项目根目录下创建文件夹tmp,resnet_v1_50,在tmp下创建images文件夹,测试图片放在该文件夹下。
运行测试命令,根据提示缺啥包装啥包,因为我的环境是python3.6,作者用的是python2.7(虽然作者说python2和python3都可以),还是会报一些错,进行如下修改:
1.1 utils_tool.py 12行:
import queue改成:
eval.py 228行:
xrange改成range
2.g++版本不够的话,pse是不能编译。我是4.8版本的,所以要升级一下。同时,用python3的话,把pse/Makefile文件中的,
第一行:$(shell python-config --cflags)改成$(shell python3-config --cflags)
第二行:$(shell python-config --ldflags)改成$(shell python3-config --ldflags)
不要去下载源码编译,很浪费时间。
https://www.jianshu.com/p/a54c882ac513通过这个blog去升级就行。
3.model下载下来之后没有checkpoint这个文件,自己新建一个:
模型解压后的三个文件放在resnet_v1_50文件夹下
eval.py第172行
model_path = os.path.join(FLAGS.checkpoint_path,
os.path.basename(ckpt_state.model_checkpoint_path))
直接换成
model_path = "./resnet_v1_50/model.ckpt"
4.数据集下下来,放在data/icdar2015下面即可(自己创建这个文件夹)
阅读过本文的人还看了以下文章:
【全套视频课】最全的目标检测算法系列讲解,通俗易懂!
《美团机器学习实践》_美团算法团队.pdf
《深度学习入门:基于Python的理论与实现》高清中文PDF+源码
特征提取与图像处理(第二版).pdf
python就业班学习视频,从入门到实战项目
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码
《深度学习之pytorch》pdf+附书源码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
《Python数据分析与挖掘实战》PDF+完整源码
汽车行业完整知识图谱项目实战视频(全23课)
李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材
笔记、代码清晰易懂!李航《统计学习方法》最新资源全套!
《神经网络与深度学习》最新2018版中英PDF+源码
将机器学习模型部署为REST API
FashionAI服装属性标签图像识别Top1-5方案分享
重要开源!CNN-RNN-CTC 实现手写汉字识别
yolo3 检测出图像中的不规则汉字
同样是机器学习算法工程师,你的面试为什么过不了?
前海征信大数据算法:风险概率预测
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类
VGG16迁移学习,实现医学图像识别分类工程项目
特征工程(一)
特征工程(二) :文本数据的展开、过滤和分块
特征工程(三):特征缩放,从词袋到 TF-IDF
特征工程(四): 类别特征
特征工程(五): PCA 降维
特征工程(六): 非线性特征提取和模型堆叠
特征工程(七):图像特征提取和深度学习
如何利用全新的决策树集成级联结构gcForest做特征工程并打分?
Machine Learning Yearning 中文翻译稿
蚂蚁金服2018秋招-算法工程师(共四面)通过
全球AI挑战-场景分类的比赛源码(多模型融合)
斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)
python+flask搭建CNN在线识别手写中文网站
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加: datayx
QQ群
333972581