【字符检测DBNet】《Real-time scene Text Detection with Differentiable Binarization》

论文团队：华中科技大学（白翔）

论文链接：https://arxiv.org/pdf/1911.08947.pdf

工程链接：https://github.com/MhLiao/DB

该算法的特点就是：后处理速度快，与PANNet相比，可以节省差不多一半的时间（在本人台式机cpu运行）；

目录

1.算法的整体框架

2.可微二值（differentiable binarization）

3.自适应阈值（Adaptive threshold）（略）

4.可变形卷积（Deformable convolution）

5.标签的产生（Lable generation）

6.后处理

7.Experiments

8.Limitation

9.Conclusion

1.算法的整体框架

主要三个步骤：首先：图像输入特征提取主干，提取特征；

                          其次： 特征金字塔上采样到相同的尺寸，并进行特征级联到特征F；

                          然后：特征F用于预测概率图（probability map P）和阈值图（threshold map T）；

                          最后：通过P和F计算近似二值图（approximate binary map B^）

论文算法主要包括了以下几部分：

2.可微二值（differentiable binarization）

标准二值处理：

一般使用分割网络（segmentation network）产生的概率图（probability map P），将P转化为一个二值图P，当像素为1的时候，认定其为有效的文本区域，同时二值处理过程：

i和j代表了坐标点的坐标，t是预定义的阈值；

但是标准的二值处理是不可微的，这样分割网络不可以在训练过程中优化。所以作者提出了可微二值：