【自然场景文字检测与识别】文字检测算法之DBNet

已于 2022-08-16 16:29:11 修改
阅读量341 收藏
点赞数
文章标签： 算法 计算机视觉 深度学习
于 2022-08-16 16:12:04 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43154149/article/details/126366256
版权

文章目录

from : https://www.bilibili.com/video/BV1xf4y1p7Gf?spm_id_from=333.999.0.0&vd_source=21cce77bb69d40a81e0d37999f2da0c2

在这里插入图片描述
在这里插入图片描述
文字检测方法大致分为两类：
在这里插入图片描述
Segmentation解释：每一个像素点 都要进行分类
在这里插入图片描述
问题：传统方法 二值化 不可微，难以优化

在这里插入图片描述

在这里插入图片描述
DBNet贡献：每个点自适应阈值， 使二值化可微

在这里插入图片描述

DBNet：

FPN，分割网络

在这里插入图片描述

Deformable convolution

a图：传统卷积
b: 可变形卷积
c：空洞卷积（膨胀卷积）
d：空洞 + 旋转
作用都是

最低0.47元/天 解锁文章
联系丝信
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
文本检测DB net 实践
a645061612的博客
09-19 449
DB 实践介绍
DB文本检测算法原理
Galen_xia的博客
07-22 1009
wu
场景文字检测DBnet论文解读
qq_52095705的博客
09-11 2537
最近接触到了文字检测，学习一下DBnet。DBnet提出了一个可微二值化(DB)模块，该模块可以在分割网络中进行二值化处理。与DB模块一起优化的分割网络可以自适应地设置二值化的阈值，不仅简化了后处理，而且提高了文本检测的性能。标准的二值化过程是不可微的，作者提出了一个近似二值化函数代替标准二值化，也就是这个DB模块，并且DB模块在推理阶段还可以删除，不影响推理速度。两个函数图像对比如下：DBnet的优点如下：(1)DBnet能检测任意形状文本，并且在各个数据集上取得了好性能。
文本检测算法----DB、DBNet
AI-Mei的博客
09-22 1万+
Real-time Scene Text Detection with Differentiable Binarization1. 摘要1.1 存在的问题1.2 创新点1.3 取得的成绩2. 算法2.1 二值化2.1.1 标准二值化2.1.2 可微二值化 Differentiable binarization（DB）2.2 自适应阈值2.3 可变形卷积Deformable convolution2.4 标签的生成2.5 损失函数3. 实验3.1 数据集3.2 训练、测试细节3.2.1 训练细节3.2.2 测
【文本检测】DB:Real-time Scene Text Detection with Differentiable Binarization
chen1234520nnn的博客
04-15 4014
DB:Real-time Scene Text Detection with Differentiable Binarization 关键创新点：Differentiable Binarization(DB,可微分二值化)，作者提出了一种可微分的二值化方式，相比于传统的二值化操作，DB能够在网络中进行端到端训练。 一.网络整体流程 网络整体流程如下图所示： backbone提特征 + FPN结构 进行多尺度图像特征融合 FPN结构融合特征后会生成两个特征图 probability map(预测
C# Onnx DBNet 检测条形码 源码
10-31
标题中的"C# Onnx DBNet 检测条形码 源码"是指使用C#编程语言，结合ONNX（Open Neural Network Exchange）框架和DBNet（Deep Barcodes Network）模型来实现条形码检测的源代码项目。ONNX是一种开放的模型交换格式，...
C# Onnx DBNet 检测条形码 可执行程序exe包
10-31
标题中的"C# Onnx DBNet 检测条形码 可执行程序exe包"指出，这是一个使用C#编程语言，结合ONNX (Open Neural Network Exchange) 和DBNet（一种条形码检测模型）开发的可执行应用程序。该程序主要用于识别和检测图像...
DBNet-TensorRT:自然场景检测DBNet网络的tensorrt版本
05-23
DBNetThe Pytorch implementation is .How to Run本仓库提供的CmakeLists.txt为win版本。Linux版本请看最后的链接。1 生成wts从pytoch仓库下载到代码和模型。配置好环境后在tools/predict.py中，将save_wts属性置为...
身份证全卡面文字识别Faster-rcnn检测证件照DBNet检测文字CRNN识别证件照文字python源码+模型+说明.zip
最新发布
05-02
在2015年提出，主要用于场景文字识别。它结合了卷积神经网络（CNN）的特征提取能力和循环神经网络（RNN，特别是LSTM）的序列建模能力，可以将图像中的连续字符分割并识别出来。在本项目中，CRNN负责将检测出的文字...
opencv部署DBNet文字检测包含C++和Python源码+模型+说明.zip
05-02
DBNet是一种深度学习模型，特别适用于文字检测任务，它通过预测字符边界框来识别图像中的文本。 【OpenCV介绍】 OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉库，它包含了各种用于处理...
【文献学习】OCR-文本检测 之 DB模型
weixin_43776739的博客
11-03 4908
针对曲形文本检测任务，基于分割的算法比回归算法的表现更好，但是分割算法都需手工设置二值化的后处理算法，将分割生成的概率图转换成文本的包围框。 提出Differentiable Binarization（DB），可以在分割网络中执行二值化的过程，可以自适应的设置二值化阈值，不仅可以简化后处理，并且提高了文本检测的性能。
OpenCV4 视频目标检测 场景文本检测 手写数字识别 案例
qq_26827831的博客
04-25 1235
转载 一直想找本书，能在机器学习复杂的算法原理和高效的编程实战之间达到合适的平衡：让感兴趣的同学拿到就有能用的代码，还有基本原理的介绍，因为了解原理才知道什么时候用什么算法最合适，以及如何调整参数。 一直没找到合适的，所以动手写了一本：p 拖拖拉拉花了三年多时间，幸运的是三年间技术一直在进步，也就有机会将最新的OpenCV4机器学习ML和深度学习DNN模块的精彩呈现在纸面，汇集了大量的算法原理与对应的示例程序，希望能对大家的学习有所帮助：） 本文的思路是： 先介绍涉及的知识体系和主要特色，并...
【第44篇】DBNet：具有可微分二值化的实时场景文本检测
AI浩
07-02 1357
最近，基于分割的方法在场景文本检测中非常流行，因为分割结果可以更准确地描述曲线文本等各种形状的场景文本。然而，二值化的后处理对于基于分割的检测至关重要，它将分割方法产生的概率图转换为文本的边界框/区域。在本文中，我们提出了一个名为Differential Binarization (DB) 的模块，它可以在分割网络中执行二值化过程。与 DB 模块一起优化后，分割网络可以自适应地设置二值化阈值，这不仅简化了后处理，但也提高了文本检测的性能。基于一个简单的分割网络，我们在五个基准数据集上验证了 DB 的性能改进
自然场景文本检测识别
qq_40484000的博客
08-24 729
嗷嗷
文字检测算法
qq314000558的专栏
03-06 6432
前言 pixel-anchor是云从科技前几天放出来的论文，文章提出了east和Textboxes++的合体模型，通过结合anchor-based和pixel-based的检测方法的特性，达到了SOTA。不过就整个框架而言，创新点虽然不多，但是预感会带起一波检测与分割结合的文字检测方法。 文章脉络 anchor-based和pixel-based方法的优缺点 网络结构 结果分析 模型分...
自然场景文本检测识别 - 综述
qwj的博客
08-19 3443
自然场景文本检测识别 - 综述 - Part II 坚果粥：自然场景文本检测识别 - 综述 - Part I26 赞同 · 1 评论文章 拥有这些背景知识后，我们可以开始学习自然场景文本检测识别（STR）的算法模型。近几年关于STR的文献大概可以分为文本检测、文本识别和端到端检测识别，以下我对它们分别做一个介绍。（题图取自[1]） 一，文本检测（Text Detection） 文本检测算法专注于检测文本的存在和位置，具体来说，任务是输出每个文本目标的边框，但不关心识别具体的文字内容。文本
OCR文字检测主要算法
热门推荐
woshiheweigui的博客
04-30 2万+
转载：https://www.mayi888.com/archives/60604 文字检测是文字识别过程中的一个非常重要的环节，文字检测的主要目标是将图片中的文字区域位置检测出来，以便于进行后面的文字识别，只有找到了文本所在区域，才能对其内容进行识别。 文字检测的场景主要分为两种，一种是简单场景，另一种是复杂场景。其中，简单场景的文字检测较为简单，例如像书本扫描、屏幕截图、或者清晰度高、规整的照片等；而复杂场景，主要是指自然场景，情况比较复杂，例如像街边的广告牌、产品包装盒、设备上的说明、商标等...
文本检测算法一：CTPN
07-20 5461
文本检测算法一：CTPN CTPN源码解析1-数据预处理split_label.py CTPN源码解析2-代码整体结构和框架 CTPN源码解析3.1-model()函数解析 CTPN源码解析3.2-loss()函数解析 CTPN源码解析4-损失函数 CTPN源码解析5-文本线构造算法构造文本行 CTPN训练自己的数据集 主要目的是复现CTPN，检验一下它检测文本的能力，看是否能应用...
pan和dbnet文字检测后处理的过程
01-13
PAN和DBNet是两种常用的文字检测模型。它们可以用于检测图像或文档中的文字并提取出来。在文字检测后，还需要进行后处理来提高检测结果的准确性和可用性。 首先，文字检测模型（如PAN和DBNet）会将输入的图像或文档...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值