深入理解CTPN原理

资源

1. paper 网址：https://arxiv.org/abs/1609.03605
2. tf code网址：https://github.com/eragonruan/text-detection-ctpn

亮点

之前很多做检测的论文都是先画很多anchor，然后再对这些anchor做回归。这些anchor 的尺寸都是相对比较大的，在文本检测上可能效果不是很好。CTPN是将这些anchor分成了很多宽度固定的小区域，预测完小区域之后，再对区域进行合并，得到最后的box位置。

输入

预处理

一般情况下，我们手里的数据是标准的VOC格式，即一张图片上框了很多的框，而这些框是用（Xmin，Ymin，Xmax，Ymax）来表示的。翻看以下的源代码，你会发现恰好是这四个值，如果已经VOC格式的，直接跳到这里来，如果不是，则需要先生成一个text，每一行记录四个坐标（用逗号分隔开），其中这四个坐标的位置是任意的。

#from the split_label in the prepare training data dir