OCR文字识别

Posted 2021-09-08 无乎648

CTPN算法

• 文本通常都是从左往右写的(水平)，并且字之间的宽度都大致相同
• 固定宽度，来检测文本高度即可，但是如何应对变长序列呢?
• 本质上还是RPN方法(可参考faster-rcnn)，可将检测到的框拼在一起!
  
  进行分块检测，每个块都是小长方形，宽度固定，但是高度不固定。

CTPN网络架构:
VGG提取特征，BLSTM融入上下文信息，基于RPN完成检测

加上LSTM可以对文字识别进行前后逻辑性判断，BLSTM进行双向检测
2k scores是背景得分值，每一个点有十个框，
2k vertical coordinates 框的y值和偏移量
k side-refinement 边界的偏移值
CTPN网络架构:
VGG特征提取模块:

经过了4次池化操作,特征图中一个像素对应原始输入的16（4次池化）个像素

CTPN网络：
Anchor大小选择，宽度固定，长度选了10个
CTPN网络架构:

• 输出结果包括了三部分: 2K得分, 2K回归, 1K边界调整
• 边界调整能使得文本检测框效果更好，下列是调整后的结果:
• 

CTPN网络:

• 检测到每-个小块文本区域还需拼接成完整的文本区域:
• 规则， 分前向和后向两部分:
  先前向走，对于Xi,基于重合度(0.7) 与位置距离(50像素) 找到score值
  最大的的Xj，接下来再返向走(规则不变)，比较两次得分值大小来判断序列。

如果score; >= scorek 则这是一个长序列，反之则该序列被更长的序列所包含。
CRNN算法:

• 一张图解释了网络架构:
• 首先CNN进行特征提取,接下来RNN进行序列特征提取,最后得出预测结果即可。