CRAFT pytorch
1.0.0
Offizielle Pytorch -Implementierung von Handwerkstextdetektor | Papier | Vorbereitetes Modell | Ergänzend
Youngmin Baek, Bado Lee, Dongyoon Han, Sangdoo Yun, Hwalsuk Lee.
Clova AI Research, Naver Corp.
Pytorch -Implementierung für Handwerkstextdetektor, die den Textbereich effektiv erkennen, indem sie die einzelnen Zeichenregion und die Affinität zwischen Charakteren untersuchen. Das Begrenzungsfeld der Texte wird erhalten, indem einfach minimale Begrenzungsrechtecke auf Binärkarte nach dem Schwellenwertcharakterbereich und der Affinitätswerte gefunden werden.
13. Juni 2019 : Erstes Update 20. Juli 2019 : Nachbearbeitung für Polygon-Ergebnis 28. September 2019 hinzugefügt
pip install -r requirements.txt
Der Code für das Training ist nicht in diesem Repository enthalten, und wir können den vollständigen Trainingscode aus IP -Grund nicht veröffentlichen.
| Modellname | Verwendete Datensätze | Sprachen | Zweck | Modelllink |
|---|---|---|---|---|
| Allgemein | SynthText, IC13, IC17 | ENG + MLT | Für allgemeine Zwecke | Klicken |
| IC15 | SynthText, IC15 | Eng | Nur für IC15 | Klicken |
| LinkRefiner | CTW1500 | - - | Verwendet mit dem allgemeinen Modell | Klicken |
python test.py --trained_model=[weightfile] --test_folder=[folder path to test images]
Das Ergebnisbild und die Socre -Karten werden standardmäßig auf ./result gespeichert.
--trained_model : vorbereitete Modell--text_threshold : Textvertrauensschwelle--low_text : Text mit niedriger Bound-Score--link_threshold : Link-Vertrauensschwelle--cuda : Verwenden Sie CUDA für Inferenz (Standard: TRUE)--canvas_size : MAX-Bildgröße für Inferenz--mag_ratio : Bildvergrößerungsverhältnis--poly : Das Ergebnis des Polygonentyps aktivieren--show_time : Verarbeitungszeit anzeigen--test_folder : Ordnerpfad zu Eingabebildern--refine : Verwenden Sie den Link Refiner für Sentense-Level-Datensatz--refiner_model : Vorbereiteter Raffineriermodell @inproceedings{baek2019character,
title={Character Region Awareness for Text Detection},
author={Baek, Youngmin and Lee, Bado and Han, Dongyoon and Yun, Sangdoo and Lee, Hwalsuk},
booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
pages={9365--9374},
year={2019}
}
Copyright (c) 2019-present NAVER Corp.
Permission is hereby granted, free of charge, to any person obtaining a copy
of this software and associated documentation files (the "Software"), to deal
in the Software without restriction, including without limitation the rights
to use, copy, modify, merge, publish, distribute, sublicense, and/or sell
copies of the Software, and to permit persons to whom the Software is
furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in
all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR
IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY,
FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE
AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER
LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM,
OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN
THE SOFTWARE.
