TrOCR: Transformer-based Optical Character Recognition with Pre-trained Models

Towards Accurate Scene Text Recognition with Semantic Reasoning Networks

focal loss论文地址：https://arxiv.org/pdf/1708.02002.pdf传统的交叉熵损失函数：定义pt如下。那么公式可以改写为我们可以用αt来改进交叉熵公式。αt是个(0,1)的数，定义和pt差不多。取α为0.25，当为正样本时α是0.25，权重小，负样本时α时0.75，权重就大一些。focal loss公式：我猜FL是个pt的单调递减函数。...

FPN(Feature Pyramid Network)论文地址：https://arxiv.org/pdf/1612.03144.pdf在物体检测里面，有限计算量情况下，网络的深度（对应到感受野）与stride通常是一对矛盾的东西，常用的网络结构对应的stride一般会比较大（如32），而图像中的小物体甚至会小于stride的大小，造成的结果就是小物体的检测性能急剧下降。传统解决这个问题的思..

在训练YOLOv3的时候用了4个类别，car，bus，truck和tricycle，训练了2w轮，loss不到0.2但是在训练集和测试集分别测试mAP的时候缺出现了很大的差距。val result:class name: bus('ap', 0.22807790544644976)class name: car('ap', 0.63199984246435803)class name...

1.pytorch和numpy首先补充一点pytorch和numpy的函数import torchimport numpy as np# reshape：有返回值，所谓有返回值，即不对原始多维数组进行修改# resize：无返回值，所谓有返回值，即会对原始多维数组进行修改a = np.arange(0, 12, 1).reshape(2, 3, 2)print(a)a.resiz...

Towards Accurate Scene Text Recognition with Semantic Reasoning Networks

1.制作自己的数据集1.1 用labelme生成json文件lebelme安装:# Ubuntu 14.04 / Ubuntu 16.04# Python2# sudo apt-get install python-qt4# PyQt4sudo apt-get install python-pyqt5# PyQt5sudo pip install labelme# Pyth...

1.SIFTSIFT的全称是Scale Invariant Feature Transform，尺度不变特征变换，由加拿大教授David G.Lowe提出的。SIFT特征对旋转、尺度缩放、亮度变化等保持不变性，是一种非常稳定的局部特征。1.SIFT算法具的特点图像的局部特征，对旋转、尺度缩放、亮度变化保持不变，对视角变化、仿射变换、噪声也保持一定程度的稳定性。2.SIFT特征检测的步骤1...