分割版本的seglink--Character Region Awareness for Text Detection

核心思想

• 提出单字分割以及单字间分割的方法，类似分割版本的seglink

• 提出如何利用char level合成数据得到真实数据的char box 标注的弱监督方法

标签构造

标签构造

• char box以及box间的region

• 使用高斯map，为提高速度，使用一个正常的gaussian map(方的) ，计算其与char box之间的仿射变换，然后直接得到标注的gaussian map.

模型结构

模型结构

• vgg_bn

• 采样至原图1/2

word标注生成char标注

1. 弱监督学习过程

弱监督学习

2. 如何得到切分好的char-box

CropBox

后处理

• 通过阈值筛选字符文本区域与字符间区域，然后通过通过阈值筛选字符文本区域与字符间区域，然后通过opencv 中连通方法得当外界轮廓

数据处理

• 正常的CROP, rotated, 随机尺度变换等

思考

• 方法依赖字符级别的标注

• 后处理依赖字符的分割以及字符间区域的分割。因此对于较大间隔文本的间隔无法准确分割，容易完成断裂

• 后处理依赖逐像素操作，因此速度较慢

文章链接

Character Region Awareness for Text Detection