Nov, 2018

使用金字塔注意网络的 Mask R-CNN 进行场景文字检测

PDF
TL;DR本文提出了基于 Mask R-CNN 技术的文本检测新方法，应用金字塔注意力网络作为新的 Mask R-CNN 骨干网络以提高其特征表达能力，该方法可以统一地在自然场景图像中稳健地检测多定向和曲线文本，并在多种测试数据集上获得优越的性能。
mask r-cnntext detectionpyramid attention networkmulti-oriented textcurved text
发现论文，激发创造
  • 金字塔掩模文字檢測器

    本文提供了一个名为 PMTD 的新 Mask R-CNN 框架，采用基于像素级回归的方法进行场景文本检测，以产生更具信息量的软文本标记。同时，该方法重新解释获取的 2D 软掩模，将其转换到 3D 空间，并引入一种新的平面聚类算法，以推导出基于 3D 形状的最优文本框。实验表明，PMTD 提高了场景文本检测的准确率，明显优于现有方法，在 ICDAR 2017 MLT 数据集上的 F-measure 达到 80.13％。

    Mar, 2019

  • 金字塔注意力网络用于语义分割

    使用金字塔注意力网络 (PAN) 进行语义分割，通过特征金字塔注意力模块和全局注意力上采样模块提取精确的密集特征，优于现有方法，可达到 PASCAL VOC 2012 和 Cityscapes 数据集的最高精度 mIoU 84.0%。

    May, 2018

  • 使用监督金字塔上下文网络进行场景文本检测

    本文提出了一种基于 Feature Pyramid Network 和实例分割的模型，准确定位文本区域的同时抑制了虚警，实验结果表明该模型在场景文本检测方面表现优于现有方法。

    Nov, 2018

  • Mask 是你所需要的：重新思考 Mask R-CNN 用于密集和任意形状场景文本检测

    本文针对 Mask R-CNN 在场景文本检测与定位中面临的实际问题，提出了一种基于 MLP 解码器和实例感知掩模学习技术的方法，可以显著提高鲁棒性。同时提出了一种自适应标签分配方法，以应对比例和宽高比差异较大的实例问题。该方法在多个基准测试中展现了优异的性能。

    Sep, 2021

  • 金字塔注意力网络用于医学图像配准

    我们提出了金字塔注意力网络（PAN）用于可变形医学图像配准，通过引入双流金字塔编码器和局部多头注意力变换器实现特征表示和分析运动模式，取得了较好的配准性能。

    Feb, 2024

  • 基于文本注意力的卷积神经网络用于场景文本检测

    本文提出了一种基于卷积神经网络的文本 - 卷积神经网络 (Text-CNN) 用于场景文本检测的系统，并通过多层和丰富的监督信息，包括文本区域掩模、字符标签和二分类文本 / 非文本信息来训练 Text-CNN 以提高其判别效能和鲁棒性。最终，该方法在 ICDAR 2013 数据集上取得了很好的效果。

    Oct, 2015

  • 场景文本检测的自适应分割网络

    基于深度卷积分割算法的场景文本检测器通过学习判别性分割阈值和设计全局信息增强特征金字塔网络，实现了对具有极端长宽比的文本实例的有效检测和自适应分割，为场景文本检测提供了最新的性能表现。

    Jul, 2023

  • 金字塔形状的 R-CNN：更好的性能和适应性，用于 3D 目标检测

    本文提出了一种名为金字塔 R-CNN 的框架，用于从点云中进行两阶段三维物体检测。该框架通过金字塔感兴趣区域（RoI）网格、RoI 网格注意力和密度感知半径预测模块，自适应地从稀疏点中学习特征，以解决稀疏和不均衡情况下的检测问题，并在 KITTI 数据集和 Waymo Open 数据集上显著超过最先进的 3D 检测模型。

    Sep, 2021

  • 全景特征金字塔网络

    本文介绍了一种用于 Panoptic 分割任务的新方法，即在 Mask R-CNN 模型中使用共享的 Feature Pyramid Network 实现对实体和语义分割任务的联合建模，该方法既能保持实体分割的高效性，而且还能实现语义分割的最佳性能。

    Jan, 2019

  • 基于像素聚合网络的高效准确任意形状文本检测

    本文提出了一种高效准确的任意形状文本检测器 Pixel Aggregation Network (PAN)，它配备了低计算成本的分割头和可学习的后处理，其中分割头由 Feature Pyramid Enhancement Module (FPEM) 和 Feature Fusion Module (FFM) 组成。通过预测相似向量准确地聚合文本像素的像素聚合 (PA) 实现可学习后处理。同时，该方法在几个标准基准测试中取得了优异的表现。

    Aug, 2019