deep features for text spotting 在linux，windows上使用

最新推荐文章于 2025-08-10 11:22:02 发布
转载 最新推荐文章于 2025-08-10 11:22:02 发布 · 155 阅读 · 1 ·
CC 4.0 BY-SA版权
原文链接：http://www.cnblogs.com/jugg1024/p/5131679.html
文章标签：

#matlab #python #人工智能

本文详细介绍了如何在Linux和Windows环境下为Matconvnet编译特定的C++和CUDA文件，包括必要的配置步骤及编译过程。适用于希望在不同操作系统上运行文本检测项目的开发者。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

做文本检测这个方向的同学应该都知道 deep features for text spotting 这篇ECCV14的文章。

用的是Matconvnet这个是深度学习框架来做文本检测，同时他还提供了代码：  eccv2014_textspotting

不过这个代码里的Matconvnet不同于原版本Matconvnet，原版本的内容比较全，而这个repository里的算是阉割版，同时还新加入了几个cpp,cu文件。。。

不幸的是，新加入的几个文件只在mac上有编译好的mex文件，linux上，windows上都需要自己编译。接下来就讲讲如何在linux和windows下编译这几个cpp,cu的mex文件。

 

 linux 上的编译方法已经在repository中提到

1. Edit matconvnet/Makefile to ensure MEX points to your matlab mex binary. Optinally ENABLE_GPU.
2. cd matconvnet/ && make

已经提供了编译的模板，主要是要修改好matconvnet/Makefile_Linux中几个变量的路径，就可以直接编译了。

比如 我是Ubuntu上装的CUDA7.0就修改如下：

MEX ?= /usr/local/MATLAB/R2014b/bin/mex
MEXARCH = mexa64
NVCC ?= /usr/local/cuda-7.0/bin/nvcc
ENABLE_GPU = true
MEXOPTS_GPU= $(MEXOPTS) -DENABLE_GPU -L /usr/local/cuda-7.0/targets/x86_64-linux/lib -lcudart -lcublas -lcudadevrt -f matlab/src/mex_CUDA_glnxa64.sh

然后重命名Makefile_linux为Makefile，然后 cd matconvnet/，然后 make

这里提供我编译好的 .mexa64文件，：linux_version 。     注意：我在Ubuntu下用cuda7.0编译的，matlab版本是2014b。

把这些mex文件放在 matconvnet\matlab\mex下就能跑整个代码了。

 

 

 linux下用还是有点不方便，接下来主要讲一下windows下的编译

说来惭愧，本来想自己看明白makefile，然后逐个逐个编译的，但是在不知道nvcc和mex这两编译器该怎么个顺序，用啥编译参数，后来只能偷懒了。

Makefile里面说道了，主要是编译一下几个文件

cpp_src:=matlab/src/bits/im2col.cpp
cpp_src+=matlab/src/bits/pooling.cpp
cpp_src+=matlab/src/bits/normalize.cpp
mex_src:=matlab/src/gconv.cu
mex_src+=matlab/src/gpool.cu
mex_src+=matlab/src/gnormalize.cu
mex_src+=matlab/src/gsepconv.cu
mex_src+=matlab/src/gsepconv2.cu
cpp_src+=matlab/src/bits/im2col_gpu.cu
cpp_src+=matlab/src/bits/pooling_gpu.cu
cpp_src+=matlab/src/bits/normalize_gpu.cu

用过通用版的Matconvnet会有记得那边的windows编译很方便很简单，所以就直接用那边的程序编译了。

首先去下载一个通用版本的 Matconvnet ： 通用版Matconvnet。

然后用他提供的 matconvnet-master\matlab\vl_compilenn.m 进行编译，修改 vl_compilenn 这个文件里面 185来行的代码，原本是这样：

if opts.enableGpu, ext = 'cu' ; else ext='cpp' ; end
lib_src{end+1} = fullfile(root,'matlab','src','bits',['data.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['datamex.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnconv.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnfullyconnected.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnsubsample.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnpooling.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnnormalize.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnbnorm.' ext]) ;
lib_src{end+1} = fullfile(root,'matlab','src','bits',['nnbias.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnconv.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnconvt.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnpool.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnnormalize.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['vl_nnbnorm.' ext]) ;

% CPU-specific files
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','im2row_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','subsample_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','copy_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','pooling_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','normalize_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','bnorm_cpu.cpp') ;
lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','tinythread.cpp') ;

% GPU-specific files
if opts.enableGpu
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','im2row_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','subsample_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','copy_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','pooling_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','normalize_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','impl','bnorm_gpu.cu') ;
  lib_src{end+1} = fullfile(root,'matlab','src','bits','datacu.cu') ;
end

改成这样：

if opts.enableGpu, ext = 'cu' ; else ext='cpp' ; end
mex_src{end+1} = fullfile(root,'matlab','src',['gconv.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['gnormalize.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['gpool.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['gsepconv.' ext]) ;
mex_src{end+1} = fullfile(root,'matlab','src',['gsepconv2.' ext]) % CPU-specific files lib_src{end+1} = fullfile(root,'matlab','src','bits','im2col.cpp') ; lib_src{end+1} = fullfile(root,'matlab','src','bits','pooling.cpp') ; lib_src{end+1} = fullfile(root,'matlab','src','bits','normalize.cpp') ; % GPU-specific files if opts.enableGpu 　　lib_src{end+1} = fullfile(root,'matlab','src','bits','im2col_gpu.cu') ; 　　lib_src{end+1} = fullfile(root,'matlab','src','bits','pooling_gpu.cu') ; 　　lib_src{end+1} = fullfile(root,'matlab','src','bits','normalize_gpu.cu') ; end

然后把 matconvnet-max-version\matlab\src\ 下 5个.cu文件 gconv.cu gnormalize.cu gpool.cu gsepconv.cu gsepconv2.cu ，还有 matconvnet-max-version\matlab\src\bits下的所有文件（除了mexutils.h），分别拷贝到拷贝到 matconvnet-master\matlab\src\ 和 matconvnet-master\matlab\src\bits下。

把vl_compilenn里的 opts.enableImreadJpeg 改为false， 其他不变。

matlab切换到 vl_compilenn.m根目录，以下列参数运行 

vl_compilenn('enableGpu', true, ...
'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v6.5', ...
'cudaMethod', 'nvcc')
'cudaRoot'设置为你windows上装CUDA的位置就行。

 然后在mex目录下面就有.mexw64文件了。 就这么简单。

这里给我自己编译的  ： window64位cuda6.5

 环境： x64，matlab2014b，cuda 6.5

 

转载于:https://www.cnblogs.com/jugg1024/p/5131679.html

[TextDetection]Text Detection方法总结
lhx17010的专栏
12-01 3125
Text Detection
运行MatConvNet的Quick start例子时出现错误：Attempt to execute SCRIPT vl_nnconv as a function
Stephen的博客
06-11 3687
上篇文章谈到安装MatConvNet时遇到的问题（https://blog.csdn.net/w1301100424/article/details/80602145），这篇文章就运行MatConvNet官网上的例子时出现的问题和解决方法作简单描述。代码如下： % Install and compile MatConvNet (needed once). untar('http://www.v...
deep features for text spotting 在windows上使用
hjl240的专栏
08-09 2056
deep features for text spotting这篇文章中给的matlab代码eccv2014_textspotting，是作者在mac上编译好的，我们在Windows和linux下使用的时候需要自己编译mex文件。          下面主要介绍如何在Windows下只编译CPU的版本，即不需要GPU支持。           该matlab代码用的是Matconvne
OCR技术文档
BeyondCN2008的专栏
12-27 2904
HOME CATEGORIES ARCHIVES LINKS SEARCH ABOUT ME OCR  Published: 09 Oct 2015  Category: deep_learning Jump to... Papers Text Detection Text Recognition Text Detection + Recognition Breaking ...
ECCV 2014 Results (16 Jun, 2014)
Camille的专栏
06-16 2838
http://eccv2014.org/accepted-papers/ ACCEPTED PAPERS ECCV 2014 Results (16 Jun, 2014) Papers submitted: 1444 Accepted Papers     TITLE PRIMARY SUBJECT
CV-OCR经典论文解读|OMNIPARSER: A Unified Framework for Text Spotting, Key Information Extraction and Table
paixiaoxin的博客
12-23 1355
OMNIPARSER是一个创新的统一框架，旨在解决视觉情境文本解析（VsTP）中的多个任务，包括文本识别、关键信息提取（KIE）和表格识别（TR）。该框架通过一个两阶段解码过程，利用结构化点作为中间表示，将这些任务统一到一个框架下。OMNIPARSER在标准基准测试中实现了与特定任务模型相媲美或具有竞争力的性能。
ocr and text spotting
08-05
在计算机视觉领域，**自然场景字符识别（Optical Character Recognition, OCR）**与**字符定位（Text Spotting）**是两个重要的研究方向。它们主要涉及对自然图像中的文本进行检测、定位与识别的过程。随着深度学习...
端到端场景文本检测识别：Character Region Attention For Text Spotting
加油
12-14 1651
CVPR2020 论文地址：https://arxiv.org/pdf/2007.09629 1. 总述 场景文本检测器由文本检测和识别模块组成。典型的体系结构将检测和识别模块放置在单独的分支中，并且通常使用RoI pooling来让分支共享视觉特征。 但是，当采用使用基于注意力的解码器的检测器和代表字符区域空间信息的检测器时，仍然存在在模块之间建立更多互补连接的机会。 这是可能的，因为两个模块共享一个共同的子任务，该任务将查找字符区域的位置。 基于这些见解，我们构建了紧密耦合的单管道模型。 通过利用识.
【读点论文】SwinTextSpotter: Scene Text Spotting via Better Synergy between TD and TR将文本定位与识别结合在一起
白水空空
02-20 1115
在文本检测任务中，表 5 和表 6 中的结果表明，SwinTextSpotter 在两个数据集上都可以达到 88% 的 H 均值，在 Total-Text 和 SCUT-CTW1500 上分别比之前最先进的方法高出 1.0% 和 3.3%。对于端到端场景文本识别任务，根据表 5，SwinTextSpotter 在 TotalText 上的表现明显优于之前的方法，F 测量值为 74.3%，比 ABCNet v2 高 3.9%，比 MANGO 高 1.4%。通过多阶段的细化，该检测器可应用于任何规模的文本。
Mask TextSpotter: An End-to-End TrainableNeural Network for Spotting Text withArbitrary Shapes 中英对翻译
weixin_43882068的博客
05-02 1323
Mask TextSpotter：一种用于识别任意形状文本的端到端可训练神经网络 摘要 最近，基于深度神经网络的模型在场景文本检测和识别领域占据主导地位。在本文中，我们研究了场景文本识别的问题，其目的是在自然图像中同时进行文本检测和识别。我们提出了一个用于场景文本识别的端到端可训练神经网络模型。该模型被命名为Mask TextSpotter，其灵感来源于新近发表的Mask R-CNN。与之前的方法不同，这些方法也是通过端到端可训练的深度神经网络来完成文本发现。Mask TextSpotter利用了简
OCR 技术汇总
wmsbeijing的专栏
01-15 1万+
HOME CATEGORIES ARCHIVES LINKS SEARCH ABOUT ME OCR  Published: 09 Oct 2015  Category: deep_learning Jump to... PapersText DetectionText RecognitionBreaking CaptchaHa
MATLAB深度学习工具MatConvNet安装
hiudawn
05-20 3万+
介绍 MatConvNet是一个实现卷积神经网络（CNN）的MATLAB工具箱，用于计算机视觉应用。 用这个工具箱，能很方便地在MATLAB中用GPU来进行训练。 要求 足够新的MATLAB版本（R2015b或更高版本）和一个支持C ++ 11的编译器（Visual Studio 2015，GCC 4.8，Xcode 7.3.1或更高版本）。 对于GPU计算，至少需要CUDA 7.5以及...
深度学习中matconvnet学习
计算机的专栏
04-25 919
深度学习中matconvnet的相关函数的解释说明，代码理解参考网站：http://blog.csdn.net/qq_20259459/article/details/54293054在前面两篇文章中介绍了安装和一些实验，现在对于它的内部做点说明，作为帮助理解。下面是MatConvNet全部的函数列表和相关功能说明。一共分为四个大的部分： 1. Buildingblock（建立模块）： 这些函数实...
基于深度学习的自然场景文字识别
xiaofei0801的博客
05-27 5万+
1.1引言 传统光学字符识别主要面向高质量的文档图像，此类技术假设输入图像背景干净、字体简单且文字排布整齐，在符合要求的情况下能够达到很高的识别水平。 与文档文字识别不同，自然场景中的文字识别 -----图像背景复杂、分辨率低下、字体多样、分布随意等，传统光学字符识别在此类情况下无法应用。 图像理解：仅利用一般的视觉元素（如太阳、大海、山、天空等）及其相互关系，容易缺乏足够的上下文信息约束，
文字的检测与识别资源
dllTimes
02-28 1万+
持续更新中....... 【综述( Survey)】 [2015_PAMI] Text Detection and Recognition in Imagery: A Survey [paper] [2014_Front.Comput.Sci] Scene Text Detection and Recognition: Recent Advances and Future Trends [p
win10+GPU+MATLAB+MatConvNet配置
marleylee的博客
07-26 1万+
本文参考http://www.vlfeat.org/matconvnet/install/，https://github.com/peiyunh/tiny，http://blog.csdn.net/wd1603926823/article/details/52370278 @article{hu2016finding, title={Finding Tiny Faces}, auth
文字检测与识别资源
热门推荐
PeaceInMind的博客
05-12 6万+
本文写成时主要参考了[1,2], 后面加了一些自己收集的，不过大家都在更新，所以区别不是很大。蓝色部分代表最近新增的部分 综述 自然场景文字检测 自然场景文字识别 数据集 开源库 其他 手写字识别 牌照等识别 破解验证码 参考 [2015-PAMI-Overview]Text Detection and Recognition in Imagery: A Survey[...
强化学习-MATLAB
weixin_45302337的博客
08-09 511
black box -> machine learning不需要标签，根据内在特征进行聚类等相似操作；这就是ML所擅长的，从数据中找出特征进而得到label；序列行为实现最优的回报；可以将policy使用深度神经网络这也是DRL的由来；RL算法的作用就是基于观测，奖励等去优化策略，以采取最优动作进而获得最大回报；所以，RL就是一个优化问题：与其他优化问题区分开来：关键点：评估状态价值，将能够使得智能体获得更高回报，而不是只是关注即时奖励；如果不能够评估状态价值，很有可能导致Agent陷入利用（贪婪）的状态，
通过脚本修改MATLAB的数据字典
最新发布
mirandali的专栏
08-10 213
然后按照常规，对paramObj进行操作即可。
Micro-Expression Spotting Based on Deep Self-Adaptive Scaling Network
04-03
### 基于深度自适应缩放网络的微表情检测方法 在计算机视觉领域，微表情（Micro-expression, ME）是一种短暂而快速的表情变化，通常持续时间仅为几十毫秒到一秒之间。由于其短时性和细微特征，传统的手工设计特征提取方法难以有效捕捉这些动态信息。近年来，随着深度学习技术的发展，研究者提出了多种基于卷积神经网络（CNNs）的方法来解决这一挑战。 #### 深度自适应缩放网络简介 一种名为 **Deep Self-Adaptive Scaling Network (DSASN)** 的模型被提出用于微表情检测任务[^1]。该模型的核心思想在于通过多尺度分析和自适应权重调整机制，增强对不同时间和空间分辨率下微弱信号的学习能力。具体而言： 1. **多尺度特征提取模块** DSASN 集成了多个并行分支结构，每个分支负责处理特定的空间或时间尺度下的输入数据。这种架构能够捕获从局部细节到全局模式的不同层次的信息。 2. **自适应加权融合策略** 不同尺度上的特征可能具有不同的重要性，在实际应用中无法预先设定固定的权重分配方案。因此，引入了一个可训练参数化的注意力机制，自动计算各路径贡献的比例系数，并将其应用于最终决策层之前完成特征级联操作。 3. **端到端优化框架** 整体流程采用监督方式构建损失函数指导整个系统的联合调优过程。相比传统两阶段方法先单独预估再组合结果的方式更加高效稳定。 以下是实现上述功能的一个简化版伪代码表示形式： ```python import torch.nn as nn class DSASNet(nn.Module): def __init__(self): super(DSASNet, self).__init__() # 定义多尺度子网 self.scale_1 = ScaleModule() self.scale_2 = ScaleModule() ... # 自适应权重模块 self.attention_layer = AttentionLayer() def forward(self, x): features_scales = [] scales_output = [self.scale_1(x), self.scale_2(x)] # 获取各个尺度的结果 for output in scales_output: features_scales.append(output) combined_features = torch.cat(features_scales, dim=1) # 特征拼接 weighted_combined = self.attention_layer(combined_features) # 加入注意力建模 return weighted_combined ``` 此部分描述了如何利用 CNN 提取图像序列中的潜在表征以及后续分类预测逻辑等内容。 #### 数据集与实验评估指标 为了验证所提算法的有效性，研究人员选取了几种公开可用的标准数据库进行测试对比实验，其中包括 SMIC-HD 和 CASME II 等知名资源库。主要关注以下几个方面性能表现情况: - 准确率(Accuracy): 表明识别正确样本占总数量比例大小； - 召回率(Recall/F1 Score): 综合考虑正类发现能力和误报控制水平之间的平衡关系； - 平均精度(Mean Average Precision,mAP): 对检索排名列表质量进行全面衡量标准之一； 通过对以上几个维度数值统计比较可以看出，相较于其他先进解决方案来说，本项目取得了较为理想的效果提升成果。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值