DBNet实战：详解DBNet训练与测试（pytorch）

ocr

论文连接：https://arxiv.org/pdf/1911.08947.pdf github链接：github.com 网络结构首先，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，并进行特征级联得到特征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）在训练期间对P，T，B进行监督训练，P和B是用的相同的监督信号(label)。在推理时，只需要P或B就可以得到文本框。网络输出： 1、probability map, wh1 , 代表像素点是文本的概率 2、threshhold map, wh1, 每个像素点的阈值 3、binary map, wh1, 由1,2计算得到，计算公式为DB公式文章链接：https://wanghao.blog.csdn.net/article/details/123904386

文件下载

资源详情

[{"title":"（ 3178 个子文件 377.46MB ） DBNet实战：详解DBNet训练与测试（pytorch）","children":[{"title":"README.MD 3.38KB ","children":null,"spread":false},{"title":"FPN.py 2.33KB ","children":null,"spread":false},{"title":"FPEM_FFM.py 3.58KB ","children":null,"spread":false},{"title":"FPN.cpython-39.pyc 2.07KB ","children":null,"spread":false},{"title":"__init__.cpython-39.pyc 450B ","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"文件过多，未全部展示","children":null,"spread":false}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

DBNet实战：详解DBNet训练与测试（pytorch）

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载