字符识别模型
backbone选取
初步选定resnet18作为encoder一共进行三次降采样进行特征提取,并构建可变形卷积的decoder进行三次上采样到原始图像大小
检测头选取
检测头包括33卷积,RELU和11卷积,在上采样的特征图上进行密集像素每个位置像素是中心点的置信度。
损失函数构建
损失函数采用cornernet中改进的FocalLoss,在每个真值中心点位置通过高斯平滑生成真值中心点热图,
模型实现
模型采用Pytorch框架实现,并利用imgaug库进行数据增强包括几何变换,颜色,高斯噪声等多种增强方法,优化器采用warm up+Adam的方式进行训练,学习率设置为0.02,batch大小为500.