【Paper Reading】【TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes】

• 能检测弯曲文本/任意形状文本
• main contributions：
• 提出一种任意形状场景文本的通用表示方法
  • 提出一种基于上述表示方法的有效文本检测方法
  • 上述检测方法在水平、倾斜和弯曲文本数据集上都取得良好效果

Methodology

• 用一系列相互重叠的disk表示文本序列，每个disk以文本行中心线为圆心，带有半径和方向。半径r为局部宽度的1/2。方向θ为中心线与中心c的正切方向。
• disk并未与character一一对应
• 网络输出
  • score map of text center line（TCL）
  • score map of text regions（TR）
  • 半径r，sinθ，cosθ
  • TR可用作TCL的mask
• 网络结构
  
  • backbone：VGG16/19 or ResNet without FC layers
  • feature merging network（UNet）
  • outputs：
    • 7 channels，4 for logits of TR/TCL，3 for r，cosθ，sinθ。
    • softmax for TR/TCL and regularizing cosθ and sinθ
    • striding algorithm
      a）Centralizing：从TCL中随机选取一个起始点，作切线(tangent line)和法线(normal line)。法线与TCL区域交集的重点即为所求的centralized point
      b）String：向两个相反的方向进行搜索，直至端点
      c）Sliding：算法沿中心轴迭代，画圆圈
      
    • filter out false positive text instances：
      a) TCL像素的数目至少应为平均半径的0.2倍
      b) 重构文本区域的像素，至少有一半属于TR
    • label generation
    • training objectives
      
    • Ltr与Ltcl为交叉熵损失，TR loss使用OHNM，N:P=3:1；其余为smoothedL1 Loss。Lr = SmoothedL1((R - r) / r)