The architecture of TextBoxes++

 

1）网络架构：文本框的架构++

如图2所示。它继承了流行的VGG-16 AR-结构[46]，保持层从conv1_1到转换最后两个完全连接的层将VGG-16分成卷积层（conv6和conv7）按参数下采样[10]。另外八个卷积-划分为四个阶段（conv8到conv11）的国际层最大池的不同分辨率附加了af-特conv7.多个输出层，我们称之为文本框层，在最后一个和一些中间层之后插入卷积层。它们也是卷积层预测聚合的输出，然后进行有效的非最大抑制（NMS）过程。把一切放在上面总之，textbox++是一个完全卷积的结构con-仅支持卷积和聚集层。因此，文本框++可以适应两种图像中任意大小的图像培训和测试阶段。与初步研究相比在本文的[13]中，textbox++替换了最后一个全局变量具有卷积层的平均池层，即更有利于多尺度的培训和测试

具有垂直偏移的默认框：文本框图层是文本框++的关键组件。文本框层同时预测文本存在和边界框，以其输入特征图为条件。输出边界文本框+包括定向边界框q或r，以及最小水平边界矩形b包含相应的定向边界框。这个是通过预测补偿的回归来实现的。每个预设水平默认框的数量位置（示例见图3）

More precisely, let b 0 =(x 0 ,y 0 ,w 0 ,h 0 ) denote a horizontal default box

默认框的中心点和w 0和h 0是默认框宽度和的高度。

The relationships among q 0 , r 0 and b 0 are as following:

在每个地图位置，它输出分类分数和每个相关默认框的偏移量，在中表示为q 0或r 0迂回的方式。对于四边形表示对于定向文本，文本框层预测

指示水平矩形 b = (x,y,w,h) and a 四边形 

given in the following are detected with confidence c

 

当旋转矩形表示为使用时，文本框层预测

 

and the rotated rectangle 

is calculated as following: