【《基于CTPN的文字检测模型分析案例》2800字】

[19]等人提出的ResNet50。将网络的深度加深到50层，并使用残差学习来解决网络深度增加时梯度消失的问题。为了提高文本检测的准确性，本文中使用ResNet50而不是VGG16网络从图像中提取特征。表中显示了ResNet50功能提取网络参数。表1.1ResNet50网络参数类型隐层数卷积核结构(数量×长度×宽度)Conv1164×7×7Conv2364×1×164×3×3256×1×1Conv34128×1×1128×3×3512×1×1Conv46256×1×1256×3×31024×1×1续表1.1ResNet50网络参数Conv53512×1×1512×3×32048×1×11.3.3RPN网络在通过CNN和BLSTM学习到一组“Space+Sequence”后，通过FC卷积层连接RPN网络。RPN在这里实现了与FasterR−CNN类似的功能。CTPN的RPN网络分为两支：左边分支用于边框回归。FC层的特征图的每个点都配备了10个先前提到的锚点（anchor)。同时只回归中心y坐标和高度2个值。右边分支用于softmax分类anchor。用anchor确定文字位置：CTPN以检测水平文字为主，所以采用了10个一组等宽度anchor用于定位文字位置。anchor的宽高为：widthsheights输入时候采用ResNet模型提取特征，那么conv5特征图的宽高都是输入图像原本尺寸的1/16，同时FC层和conv5的宽和高都相等。为FC层的特征图每一个点都配备了10个上述的anchor。图4-4CTPN的anchor获得anchor之后，CTPN采取了和FasterR−CNN类似的处理：softmax判断anchor中是否包含文本，即选出大的正anchor；与FasterR−CNN不同的是，Boundingboxregression只修正含有文本的anchor的中心y坐标与高度。回归公式如下：vv其中，v=(vc，vh)是回归以后预测的坐标，v=(vc∗，vh∗)是参考基准（groundtruth），cya和ha是anchor的中心y坐标和高度。A1.4文本检测评价指标AP（AveragePrecision，平均精度），是文本检测的主要评价指标。根据预测标签和实际标签的关系，相关样本类别的定义如下表所示表1.2样本标签真实样本标签（TrueLabel）10预测样本标签(PredictedLabel）1真正（TruePositive）假正（FalsePositive）0假负（FalseNegative）真负（TrueNegative）IOU（IntersectionOverUnion，交并比）是目标检测中常见的评价尺度，主要是衡量模型生成的预测检测框（PredictedBoundingBox）和标注框（GroundTruth）之间的重叠程度，计算公式为：IOU准确率（Precision）表示的是预测为正的样本中有多少是真正的正样本。Precision召回率（Recall）表示的是样本中的正例有多少被预测正确。Recall精度是分类器预测的正样本数与实际正样本数之比。精度越高，假正性率越低。召回率是分类器正确预测的正样本在所有样本中所占的比例。二者是相互矛盾，可以合并成一个变量——F1度量：F1采用的是加权调和平均标准进行度量。(Precision和Recall)F1F1越高，则说明试验方法越有效。1.5文本检测结果文本检测实现效果如图：(a)原图(b)检测结果(c)精度图4-5文本检测结果左图为输入原图；中间为检测结果，加上了经过CTPN网络标定的候选框；右图为检测精度的直线图统计。文本检测实验结果比较：我们采用了几种常用的文本检测算法和数据集进行交叉实验来验证我们方法的效果，实验数据结果如下：表1.2文字检测实验结果比较Method合成数据集RecallPrecisionF-measureTimeFasterR-CNN0.710.750.730.112sTextFCN0.750.670.700.252