发表服务
进行文本的检测的学习，开始使用的是ctpn网络，由于ctpn只能检测水平的文字，而对场景图片中倾斜的文本无法进行很好的检测，故将网络换为RRCNN（全称如题）。小白一枚，这里就将RRCNN的论文拿来拜
论文研读系列汇总：1.AlexNet论文研读2.VGG论文研读3.GoogLeNet论文研读4.FasterRCNN论文研读5.ResNet论文研读6.SENet论文研读7.CTPN论文研读8.CRNN论文研读基本信息：题目：AnEnd-to-EndTrainableNeuralNetworkforImage-based
论文的关键idea文本检测的其中一个难点就在于文本行的长度变化是非常剧烈的。因此如果是采用基于fasterrcnn等通用物体检测框架的算法都会面临一个问题：怎么生成好的textproposal。
图3。(a)基本的LSTM单元的结构。LSTM包括单元模块和三个门，即输入门，输出门和遗忘门。（b）我们论文中使用的深度双向LSTM结构。合并前向（从左到右）和后向（从右到左）LSTM的结果到双向LSTM中。在深度双向LSTM中堆叠多个双向LSTM结果。
CTPN算法的提出，出于以下几点：(1)、假设文本是水平的；(2)、文本可以看做由每一个“字母”组成的。这里的字母可以认为是小片段。之所以有这样的想法，是因为基于通用目标检测的算法难以适应文字检测的场景，如上图中的文字，长度方面变化幅度很大。
CV学习笔记(二十)：文本识别(DenseNet)在上一篇文章中完成了数据集的拼接，最近又做了一些关于数据集的工作，先是标注了一堆数据集，然后又把数据集再增强了一下(包括加一些噪声，滤波等等)，总之就是力图更模拟日常生活的场景，这些日后再谈，这...
进行文本的检测的学习，开始使用的是ctpn网络，由于ctpn只能检测水平的文字，而对场景图片中倾斜的文本无法进行很好的检测，故将网络换为RRCNN（全称如题）。小白一枚，这里就将RRCNN的论文拿来拜
论文研读系列汇总：1.AlexNet论文研读2.VGG论文研读3.GoogLeNet论文研读4.FasterRCNN论文研读5.ResNet论文研读6.SENet论文研读7.CTPN论文研读8.CRNN论文研读基本信息：题目：AnEnd-to-EndTrainableNeuralNetworkforImage-based
论文的关键idea文本检测的其中一个难点就在于文本行的长度变化是非常剧烈的。因此如果是采用基于fasterrcnn等通用物体检测框架的算法都会面临一个问题：怎么生成好的textproposal。
图3。(a)基本的LSTM单元的结构。LSTM包括单元模块和三个门，即输入门，输出门和遗忘门。（b）我们论文中使用的深度双向LSTM结构。合并前向（从左到右）和后向（从右到左）LSTM的结果到双向LSTM中。在深度双向LSTM中堆叠多个双向LSTM结果。
CTPN算法的提出，出于以下几点：(1)、假设文本是水平的；(2)、文本可以看做由每一个“字母”组成的。这里的字母可以认为是小片段。之所以有这样的想法，是因为基于通用目标检测的算法难以适应文字检测的场景，如上图中的文字，长度方面变化幅度很大。
CV学习笔记(二十)：文本识别(DenseNet)在上一篇文章中完成了数据集的拼接，最近又做了一些关于数据集的工作，先是标注了一堆数据集，然后又把数据集再增强了一下(包括加一些噪声，滤波等等)，总之就是力图更模拟日常生活的场景，这些日后再谈，这...
发表服务