[论文解读]|PAN:Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network

最新推荐文章于 2023-08-30 20:07:35 发布
最新推荐文章于 2023-08-30 20:07:35 发布
阅读量1.2k 收藏 4
点赞数
分类专栏： 论文阅读
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_43859829/article/details/105656414
版权
本文介绍了PAN（Pixel Aggregation Network），一种旨在解决场景文本检测中速度与准确性问题的模型。PAN由FPEM（Fast Pyramid Encoding Module）和FFM（Feature Fusion Module）组成，能有效处理变化形状的文本。FPEM提供不同尺度的特征，FFM则对这些特征进行融合。模型通过Pixel Aggregation策略处理可能重叠的文本像素，并用损失函数确保文字区域、文本核及其相似向量的准确预测。实验结果显示，PAN在多个数据集上表现出色。
摘要由CSDN通过智能技术生成

题目：Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network
作者：Wenhai Wang, Enze Xie,Xiaoge Song, Yuhang Zang, Wenjia Wang, Tong Luy, Gang Yu, and Chunhua Shen

Motivation:
作者认为目前场景文字检测难点在于速度和效果间的差异，及变化形状的文字检测。作者在考虑速度与效果兼得的前提下提出PAN模型。

Method
在这里插入图片描述
作者提出如上图的pipeline的PAN方法。
在这里插入图片描述
PAN模型包括FPEM和FFM网络
**FPEM:**是一个可变大小的计算速度快的网络，以获得大小特征图的信息。
在这里插入图片描述
**FFM（特征整合模型）😗*对上面多个FPEM网络进行融合
在这里插入图片描述
最后通过上采样将它们Concatenate到一起。

最低0.47元/天 解锁文章
一碗白开水一
关注
专栏目录
【字符分割】Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network
猫猫与橙子的博客
05-20 510
最近要更新文本检测的训练模型，所以看了PSE的升级版PAN； 论文：https://arxiv.org/abs/1908.05900v1 代码：https://github.com/WenmuZhou/PAN.pytorch 目录 1.该论文的主要方法介绍 1.1该方法的主体框架 1.2 分块介绍主体功能 1.2.0 Fr作用 1.2.1 FPEM模块（Feature Pyramid Enhancement Module） 1.2.2 FFM模块（Feature Fusion Module
CVPR 2021 论文大盘点-文本图像篇
迈微AI研习社 · 号主
09-24 1001
本文收集文本检测与识别相关论文，包含任意形状文本检测、场景文本识别、手写文本识别、文本分割、文本图像检索、视频文本识别等，有趣的方向很多，共计 17 篇。
【Paper Reading】Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network
Ocelot777的博客
03-09 413
Conference: ICCV 2019 poster Source：https://arxiv.org/abs/1908.05900 Unofficial Code: https://github.com/WenmuZhou/PAN.pytorch Feature: Fast + Curve 与 PSENet 的比较： 文本检测的想法与 PSENet 一致，segmentation + ke...
PAN：Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network —— 论文阅读笔记
学无止境
01-05 1363
有低计算成本的分割部分和可学习的后处理。分割分割部分由特征金字塔增强模块（FPEM）和特征融合模块（FFM）组成。 FPEM是可级联的U形模块，可以引入多级信息来指导更好的分割。 FFM可以将不同深度的FPEM提供的特征收集到最终特征中进行分割。 可学习的后处理是通过像素聚合（PA）实施的，该算法可以通过预测的相似度矢量精确地聚合文本像素。 通过分割网络预测文本区域，内核和相似度向量。FPEM + FFM 从预测的内核重建完整的文本实例。 贡献 提出了一个轻量级的分割部分，它由特征金字塔增强模块（F
Pixel Aggregation Network (PAN)
Larkii 的博客
02-25 902
1 网络结构 训练阶段，网络生成三个预测： Text Region Kenel Similarity Vector 其中 1 和 2 为监督学习，3 为无监督学习（聚类）。 预测阶段，遵循以下步骤来使用相似度向量引导像素聚合到Kenel中 得到多个 Kenel； 对于每个 Kenel 的上下左右四个方向的像素，为 Text Region 内的每个像素找到与 Kenel 的欧式距离小于 dd...
Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network
没有期待的日子反而会顺顺利利
12-25 1388
1. 介绍： TextSnake和PSENet是为检测曲线而设计的文本实例，也广泛出现在自然场景中。然而，复杂的管道和大量的卷积运算，这通常会减慢他们的推理速度 像素聚集网络(PAN)，它配备了一个低计算成本的分割头和一个可学习的后处理。更具体地说，分割头由特征金字塔增强模块(FPEM)和特征融合模块(FFM)组成。FPEM是一个可级联的U形模块，它可以引入多级信息来指导更好的分割。FP...
计算机视觉论文总结系列（三）：OCR篇
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-14 1万+
本篇主要介绍OCR论文总结，主要从OCR论文、模型方法、论文链接进行全面总结介绍，重点论文已标注✨，部分内容取自本人专栏《深入浅出OCR》系列，上述内容后续会继续更新，欢迎大家订阅学习交流，感谢批评指正！
Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network（利用像素聚合网络进行高效准确...
weixin_30894389的博客
08-21 652
PSENet V2昨日刚出，今天翻译学习一下。 　　场景文本检测是场景文本阅读系统的重要一步，随着卷积神经网络的快速发展，场景文字检测也取得了巨大的进步。尽管如此，仍存在两个主要挑战，它们阻碍文字检测部署到现实世界的应用中。第一个问题是速度和准确性之间的平衡。第二个是对任意形状的文本实例进行建模。最近，已经提出了一些方法来处理任意形状的文本检测，但是它们很少去考虑算法的运行时间和效率，...
暂时解决Linux服务器内存不足的问题，增大linux的虚拟内存
走码观花
01-10 1010
例如增加4G虚拟内存，操作如下: 1.查看内存大小 2.创建要作为swap分区的文件:增加1GB大小的交换分区，则命令写法如下，其中的count等于想要的块的数量（bs*count=文件大小） [root@10-23-56-193 ~]# dd if=/dev/zero of=/tmp/big_swap bs=1M count=4096 3.目录空间大小 [root@10-23-56-193 ~]# du -sh /tmp/big_swap 4.格式化为交换分区文件 [root@10-
【论文阅读笔记】——PAN论文阅读笔记
weixin_52143654的博客
08-30 575
PAN,在SCNet基础上改进的像素注意
像素聚合网络PAN原理与代码解析
00000cj的博客
10-24 3328
论文：https://arxiv.org/abs/1908.05900 官方代码：https://github.com/whai362/pan_pp.pytorch 像素聚合网络Pixel Aggregation Network是PSENet的改进版，依旧是segmentation-based文本检测方法，可以检测任意形状的文本。主要改进了PSENet速度慢的缺点，在CTW1500数据集上，PAN-320可以达到84.2FPS，同时还可以保证79.9%的F-measure。而PSENet-1s只有3.9
论文推荐|[TPAMI 2021] PAN++：精确高效的任意形状文本端到端检测与识别（有源码）
yishuihanq的博客
05-21 2419
论文推荐|[TPAMI 2021] PAN++：精确高效的任意形状文本端到端检测与识别（有源码） 原创陈喆、王文海CSIG文档图像分析与识别专委会今天 本文简要介绍了TPAMI2021录用论文“PAN++: Towards Efficient and Accurate End-to-End Spotting of Arbitrarily-Shaped Text”。该论文展示了一种基于文本内核（即中心区域）的任意形状文本的表示方法，可以较好地区分相邻文本，且对实时的应用场景非常友好。在此基础上，...
论文阅读（【CVPR2018】Jinshan Pan - Learning Dual Convolutional Neural Networks for Low-Level Vision）
u010886794的博客
10-30 2194
论文阅读（【CVPR2018】Jinshan Pan - Learning Dual Convolutional Neural Networks for Low-Level Vision）   目录 论文和作者 论文 作者 方法概述 网络结构 损失函数 网络参数 实验 图像去雾 实验结果 图像超分辨率重建 实验结果 图像去雨 实验结果 图像保边滤波 实验结果 ...
Panoptic Segmentation论文阅读
FLY的博客
11-14 344
简介 文章提出了一个新的概念-全景分割。传统任务中语义分割是对图像中的所有像素分类，实例分割是对图像中的实例级目标进行检测和分割，而全景分割是对这两个任务的统一。这种统一是自然而然的，但是也带来了算法挑战。文章还为全景分割的评估定制了标准Panoptic Quality（PQ），这个标准具备简单可解释性。使用PQ标准，文章还在目前存在全景分割标注的数据集上测试了人类的分割质量，有助于更好的理...
PAN解读 —— Efficient and Accurate Arbitrary-Shaped Text Detection with Pixel Aggregation Network
aift的专栏
10-23 6336
文章目录简述网络结构BackboneSegmentation Head 简述 本文介绍的是一个“Face++ ”在今年8月份刚刚发在ICCV 2019上面的论文——PAN（像素聚合网络），这是一篇文字检测方面的论文，其达到了目前文字检测的最好效果。 之前在CVPR 2019上发的PSENet是之前效果非常好的文本检测算法，PAN的作者还是之前PSENet算法的原班作者，所以说我们可以把PAN看做是...
YOLO 图文入门 04 v4 PAN，SAM（含代码+原文）
IanYue的博客
09-04 3584
本文以入门角度阐述了YOLOv4的网络架构及关键改进技术，DenseNet，PAN，SAM。我在入门学习计算机视觉的时候，看一些经典的论文原文比较吃力。于是通过看各种参考文献及查阅各路资料，入门的角度写了一些博客，希望能够和大家一起进步。
[pytorch] 语义分割之(PAN网络模型)Pyramid Attention Network for Semantic Segmentation（训练代码+预测代码）
ZJE
09-03 1万+
出处：2018年CVPR 0.论文的启发： 上述网络是PSPNet里使用的空间金字塔池化模型，但使用池化操作会有空间信息上的损失。而DeepLab使用空洞卷积会存在缺少局部信息和”griding”(卷积核退化)现象。因此作者并不使用空间金字塔池化和空洞卷积。 然后作者受parseNet的影响： parseNet是额外使用一支分支来全局池化(下图粉色部分)，把它作为全局特征，在特征...
论文原文+代码+知云文献翻译
qq_41284164的博客
08-02 295
链接：https://pan.baidu.com/s/1Lv-g13014iS_XQvVObgL3w 提取码：9vx7 使用对抗训练改进股票走势预测 Improving Stock Movement Prediction with Adversarial Training 论文为股票走势预测提供了一种新的机器学习解决方案，旨在预测短期内的股价，无论股价是上涨还是下跌。关键的创新之处在于，采用对抗训练来提高循环神经网络模型的泛化能力。本文添加对抗性训练的合理性在于，股票预测的输入特征通常基于股票价格，而股票价
qmagface: simple and accurate quality-aware face recognition
最新发布
11-20
QMAGFACE是一种简单而准确的质量感知人脸识别系统。它使用先进的人脸识别技术来实现高精度的识别，同时考虑了人脸图像的质量因素。 QMAGFACE的主要特点是简单易用。用户只需在系统中输入待识别的人脸图像或视频，...
评论 5
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