目标识别和文字检测算法 Faster R-CNN、CTPN

2024-02-02 04:20

本文主要是介绍目标识别和文字检测算法 Faster R-CNN、CTPN,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Faster R-CNN 目标检测算法

Towards Real-Time Object Detection with Region Proposal Networks

R-CNN:Regions with CNN features

  1. Input image
  2. Extract region proposals(~2k)
  3. Compute CNN features
  4. Classify regions

IoU Intersection over Union

测量在特定数据集中检测相应物体准确度的一个标准

预测范围: bounding boxex

ground-truth bounding boxes(人为在训练集图像中标出要检测物体的大概范围)

I o U = A r e a o f O v e r l a p A r e a o f U n i o n IoU = \frac{Area\quad of\quad Overlap}{Area \quad of \quad Union} IoU=AreaofUnionAreaofOverlap

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-IldTlrdy-1639284143003)(Detecting%20Text%20in%20Natural%20Image%20with%20Connectionist%20Text%20Proposal%20Network.assets/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2dhb3l1MTI1MzQwMTU2Mw==,size_16,color_FFFFFF,t_70.png)]

NMS (Non-Maximum Suppression)

Fast R-CNN

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YaZeS7QC-1639284143006)(Detecting%20Text%20in%20Natural%20Image%20with%20Connectionist%20Text%20Proposal%20Network.assets/image-20211211202345500.png)]

Selection search

Anchor sliding window Feature extraction

RPN Loss

Cls label 二分类,是否有物体,使用IoU gt bounding box anchor box

Loc label
t x ∗ = ( x ∗ − x a ) / w a , t y ∗ = ( y ∗ − y a ) / h a , t w ∗ = l o g ( w ∗ / w a ) , t h ∗ = l o g ( t w ∗ ) t_x^* = (x^*-x_a)/w_a, t_y^* = (y^*-y_a)/h_a,\\ t_w^* = log(w^*/w_a), t_h^* = log(t_w^*) tx=(xxa)/wa,ty=(yya)/ha,tw=log(w/wa),th=log(tw)

t x = ( x − x a ) / w a , t y = ( y − y a ) / h a , t w = l o g ( w / w a ) , t h = l o g ( h / h a ) t_x = (x-x_a)/w_a, t_y = (y-ya)/h_a,\\ t_w = log(w/w_a), t_h = log(h/h_a) tx=(xxa)/wa,ty=(yya)/ha,tw=log(w/wa),th=log(h/ha)

Cls loss

Cross Entropy交叉熵

Loc Loss
z i = 0.5 ( x i − y i ) 2 / b e t a , i f ∣ x i − y i ∣ < b e t a z i = ∣ x i − y i ∣ − 0.5 ∗ b e t a , o t h e r w i s e z_i = 0.5(x_i-y_i)^2/beta, \quad if |x_i-y_i|<beta\\ z_i = |x_i-y_i|-0.5*beta, \quad otherwise zi=0.5(xiyi)2/beta,ifxiyi<betazi=xiyi0.5beta,otherwise

RoI Head Region of Interest

Mask R-CNN

L = L c l s + L b o x + L m a s k L = L_{cls}+L_{box}+L_{mask} L=Lcls+Lbox+Lmask

To this we apply a per-pixel sigmoid,and define L m a s k L_{mask} Lmask as the average binary cross-entropy loss. For an RoI associated with gorund-truth k, L m a s k L_{mask} Lmask is only defined o the k-th mask(other mask outputs do not contribute to the loss).

RoI Align不对齐,保留浮点,在小区域之内继续划分

CTPN 文字检测算法
Detecting Text in Natural Image with Connectionist Text Proposal Network
  • Detecting text in fine-scale proposals
  • Recurrent connectionist text proposals
  • Side-refinement

v c = ( c y − c y a ) / h a v c ∗ = ( c y ∗ − c y a ) / h a v h = l o g ( h / h a ) v h ∗ = l o g ( h ∗ / h a ) v_c= (c_y-c_y^a)/h^a\\ v_c^* = (c_y^*-c_y^a)/h^a\\ v_h = log(h/h_a)\\ v_h^* = log(h^*/h^a) vc=(cycya)/havc=(cycya)/havh=log(h/ha)vh=log(h/ha)

Text line construction

o ∗ = ( x s i d e ∗ − c x a ) / w a o^* = (x^*_{side} -c^a_x)/w^a o=(xsidecxa)/wa

Code

bounding box

CRNN 文字识别算法

An End-yo-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition

  • CRNN

  • Code

  • CTC[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-g467jlT1-1639284143006)(Detecting%20Text%20in%20Natural%20Image%20with%20Connectionist%20Text%20Proposal%20Network.assets/image-20211209220712175.png)]

  • lexicon-based

  • lexicon-free

feature sequence —— receptive field感受野

CRNN——CTC
π = − − h h − e − l − l l − o o − − B ( π ) = h e l l o p ( l ∣ y ) = ∑ π : B ( π ) = 1 p ( π ∣ y ) , p ( ′ h e l l o ′ ∣ y ) = ∑ π : B ( π ) = ′ h e l l o ′ p ( π ∣ y ) \pi = --hh-e-l-ll-oo--\\ B(\pi) = hello\\ p(l|y) = \sum_{\pi:B(\pi)=1} p(\pi|y), \quad p('hello'|y) = \sum_{\pi:B(\pi)='hello'} p(\pi|y) π=hhelllooB(π)=hellop(ly)=π:B(π)=1p(πy),p(helloy)=π:B(π)=hellop(πy)

CTC Theory

p ( l ∣ x ) = ∑ π ∈ B − 1 ( 1 ) p ( π ∣ x ) . h ( x ) = a r g m a x 1 ∈ L ≤ T p ( l ∣ x ) . O M L ( S , N w ) = − ∑ ( x , z ) ∈ S l n ( p ( z ∣ x ) ) = − ∑ ( x , z ) ∈ S l n ( ∑ π ∈ B − 1 ( z ) p ( π ∣ x ) ) p(l|x) = \sum_{\pi \in B^{-1}(1)} p(\pi|x).\\ h(x) = arg\quad max_{1\in L\leq T} \quad p(l|x).\\ O^{ML}(S,N_w) = -\sum_{(x,z)\in S} ln(p(z|x))=-\sum_{(x,z) \in S} ln(\sum_{\pi \in B^{-1}(z)} p(\pi |x)) p(lx)=πB1(1)p(πx).h(x)=argmax1LTp(lx).OML(S,Nw)=(x,z)Sln(p(zx))=(x,z)Sln(πB1(z)p(πx))

为了让所有的path都能在图中唯一、合法的表示,结点转换有如下约束:

  1. 转换只能往右下方向,其他方向不允许
  2. 相同的字符之间起码要有一个空字符
  3. 非空字符不能被跳过
  4. 起点必须从前两个字符开始
  5. 终点必须落在结尾两个字符

forward-backward

定义在时刻t经过节点s的全部前缀子路径的概率总和为前向概率 α t ( s ) \alpha_t(s) αt(s)
α 3 ( 4 ) = p ( a p ) + p ( a a p ) + p ( a p ) + p ( a p p ) \alpha_3(4) = p(_ap)+p(aap)+p(a_p)+p(app) α3(4)=p(ap)+p(aap)+p(ap)+p(app)

  • 情况1:第s个符号为空符号blank
    α t ( s ) = ( α t − 1 ( s ) + α t − 1 ( s − 1 ) ) ⋅ y s e q ( s ) t \alpha_t(s) = (\alpha_{t-1}(s)+\alpha_{t-1}(s-1))·y^t_{seq(s)} αt(s)=(αt1(s)+αt1(s1))yseq(s)t

  • 情况2:第s个符号等于第s-2个符号
    α t ( s ) = ( α t − 1 ( s ) + α t − 1 ( s − 1 ) ) ⋅ y s e q ( s ) t \alpha_t(s) = (\alpha_{t-1}(s)+\alpha_{t-1}(s-1))·y^t_{seq(s)} αt(s)=(αt1(s)+αt1(s1))yseq(s)t

  • 情况3:既不属于情况1,也不属于情况2
    α t ( s ) = ( α t − 1 ( s ) + α t − 1 ( s − 1 ) + α t − 1 ( s − 2 ) ) ⋅ y s e q ( s ) t \alpha_t(s) = (\alpha_{t-1}(s)+\alpha_{t-1}(s-1)+\alpha_{t-1}(s-2))·y^t_{seq(s)} αt(s)=(αt1(s)+αt1(s1)+αt1(s2))yseq(s)t
    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GAanawON-1639284143009)(Detecting%20Text%20in%20Natural%20Image%20with%20Connectionist%20Text%20Proposal%20Network.assets/image-20211209231338595.png)]

不属于情况2
α t ( s ) = ( α t − 1 ( s ) + α t − 1 ( s − 1 ) + α t − 1 ( s − 2 ) ) ⋅ y s e q ( s ) t \alpha_t(s) = (\alpha_{t-1}(s)+\alpha_{t-1}(s-1)+\alpha_{t-1}(s-2))·y^t_{seq(s)} αt(s)=(αt1(s)+αt1(s1)+αt1(s2))yseq(s)t
[外链图片转存中...(img-GAanawON-1639284143009)]

这篇关于目标识别和文字检测算法 Faster R-CNN、CTPN的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/669448

相关文章

Python验证码识别方式(使用pytesseract库)

《Python验证码识别方式(使用pytesseract库)》:本文主要介绍Python验证码识别方式(使用pytesseract库),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全... 目录1、安装Tesseract-OCR2、在python中使用3、本地图片识别4、结合playwrigh

使用雪花算法产生id导致前端精度缺失问题解决方案

《使用雪花算法产生id导致前端精度缺失问题解决方案》雪花算法由Twitter提出,设计目的是生成唯一的、递增的ID,下面:本文主要介绍使用雪花算法产生id导致前端精度缺失问题的解决方案,文中通过代... 目录一、问题根源二、解决方案1. 全局配置Jackson序列化规则2. 实体类必须使用Long封装类3.

Springboot实现推荐系统的协同过滤算法

《Springboot实现推荐系统的协同过滤算法》协同过滤算法是一种在推荐系统中广泛使用的算法,用于预测用户对物品(如商品、电影、音乐等)的偏好,从而实现个性化推荐,下面给大家介绍Springboot... 目录前言基本原理 算法分类 计算方法应用场景 代码实现 前言协同过滤算法(Collaborativ

使用Python和PaddleOCR实现图文识别的代码和步骤

《使用Python和PaddleOCR实现图文识别的代码和步骤》在当今数字化时代,图文识别技术的应用越来越广泛,如文档数字化、信息提取等,PaddleOCR是百度开源的一款强大的OCR工具包,它集成了... 目录一、引言二、环境准备2.1 安装 python2.2 安装 PaddlePaddle2.3 安装

Flutter实现文字镂空效果的详细步骤

《Flutter实现文字镂空效果的详细步骤》:本文主要介绍如何使用Flutter实现文字镂空效果,包括创建基础应用结构、实现自定义绘制器、构建UI界面以及实现颜色选择按钮等步骤,并详细解析了混合模... 目录引言实现原理开始实现步骤1:创建基础应用结构步骤2:创建主屏幕步骤3:实现自定义绘制器步骤4:构建U

使用Python实现IP地址和端口状态检测与监控

《使用Python实现IP地址和端口状态检测与监控》在网络运维和服务器管理中,IP地址和端口的可用性监控是保障业务连续性的基础需求,本文将带你用Python从零打造一个高可用IP监控系统,感兴趣的小伙... 目录概述:为什么需要IP监控系统使用步骤说明1. 环境准备2. 系统部署3. 核心功能配置系统效果展

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各

springboot+dubbo实现时间轮算法

《springboot+dubbo实现时间轮算法》时间轮是一种高效利用线程资源进行批量化调度的算法,本文主要介绍了springboot+dubbo实现时间轮算法,文中通过示例代码介绍的非常详细,对大家... 目录前言一、参数说明二、具体实现1、HashedwheelTimer2、createWheel3、n

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤