FocusEnhancedSceneTextRecognitionwithDeformableConvolutions//论文笔记

摘要

2.方法

采用CRNN作为基线网络&＃xff0c;并在其中插入deformable modules&＃xff0c;插入的位置是在cnn的中间部分&＃xff0c;作者说&＃xff1a;浅层学到的是基本特征&＃xff0c;深层特征图的尺寸太小&＃xff08;一般最后为H/4×W/32&＃xff09;学到的偏移可能不够精确&＃xff0c;文字检测中一般将deformable 加到cnn的最后&＃xff0c;但是文字检测图片的尺寸要大很多&＃xff0c;加入了残差模块&＃xff0c;和自适应的最大值池化
网络结构

3. 实验

训练数据为&＃xff1a;

1. MJSynth Dataset
2. SynthText in the Wild Dataset
   测试数据有&＃xff1a;

• totaltext
• IC13
• IC15
• SVT
• IIIT5K
  图片resize到200×64,用CTC loss&＃xff0c;SGD优化器&＃xff0c;64的batchsize&＃xff0c;lr&＃61;0.00005&＃xff08;好小&＃xff09;
  结果&＃xff1a;
  
  DConv&＃43;resblock相较于单独的DConv和resblock并没有提高多少。

DConv放置位置的影响

放到较深的层&＃xff0c;最多用两层。