EAST 算法超详细源码解析(一)、数据预处理与标签生成

Date: 2020/05/09

Author: CW

前言:

EAST: An Efficient and Accurate Scene Text Detector 是用于场景文字识别(OCR)的算法,五一假期 CW 把这套算法的源码研读了一番,并基于 Pytorch 进行了复现,如今打算把这期间的学习过程记录下来,本文将对数据处理与标签生成部分的源码进行解析,其它部分会在后面的文章中记录。


DataSet 类

在 pytorch 中通常会封装一个类来处理数据集,这个类继承自 torch.utils.data.DataSet,我们需要重载父类的 __len__ __getitem__ 方法。


处理数据集的类 (i)


处理数据集的类 (ii)


处理数据集的类 (iii)

处理数据集的这个类的整体部分如上,接下来就其中的重要部分进行解读,数据增强的随机缩放和旋转这里就不说了,一起先来看看将图像大小裁剪至512x512这部分。


crop_img:对图像进行随机起始点的裁剪,裁剪至目标大小512x512

若图像的短边小于512,则将其放大到512,同时长边等比例放大。

crop_img(i)

然后对图像中的文本框坐标等比例放大。

crop_img(ii)

接下来就是搜索裁剪方案,搜索的方法是:在图像放大后的尺寸比512x512多出来的空间内进行随机搜索起始点坐标;一个符合要求的裁剪方案是:裁剪得到的图像不能“分割”了图像中的任一文本框

crop_img(iii),注:以上“裁剪每一中”字样去掉

最后,由于图像在放大后进行了裁剪,因此需要将放大后的文本框顶点坐标进行相应的移动。

crop_img(iv)

下一步,我们来看看具体是如何判断裁剪方案是否符合要求的。


is_cross_text:判断裁剪有无“割裂”图像中的任意文本框


is_cross_text(i)

生成裁剪后图像的多边形区域以及文本框的多边形区域,计算两者的重叠区域面积。

is_cross_text(ii)

计算重叠区域面积占文本框面积的比例,理想情况下是1,因为我们要求文本框完全处于裁剪后图像的内部。注意,只要图像中有任意一个文本框不完全处于裁剪后的图像内部,则该裁剪方案不符合要求!

is_cross_text(iii)

get_score_geo:生成 ground truth

这部分是核心部分,会生成3个map,分别是score map、geo map 以及 ignore map,他们各自的意义已在前面部分解释。

get_score_geo(i)

以下这部分的处理十分有“艺术”!

首先明确下,这里制作gt生成的map是在下采样率为1/4的特征图上的,map中的每一点有两种情况:在文本框内和在文本框外,于是我们要对在文本框内的这些点赋予文本框对应的属性(score为1,d 和 angle)。

但是呢,在这里,作者将我们需要赋值的文本框内点的区域缩小了(将文本框4个顶点向内部移动一定距离,得到一个比文本框面积小的区域),这么做的原因可能是因为这个map的尺寸是比输入图像小的,如果和原文本框区域一致,那么放大回去,有可能会引入文本框边界以外的点,会引入假正例。另外,需要注意的是,这里只是将需要赋值的文本框内的区域缩小,但文本框的坐标本身是没有改变的!

get_score_geo(ii)

以上还有个处理技巧,就是将文本框旋转到和水平轴夹角为0的情况(即将斜的框旋转为正的),这样对d的计算更加方便。

接下来对旋转后图像每点(包括在文本框外的)都计算d,d若大于文本框边长也代表在文本框外,但是由于我们有mask,因此这部分也会被置0。

注意,geo那里使用的是'+=',是因为图像中可能有多个文本框,而这里我们计算的是一个文本框。

get_score_geo(iii)

在处理每一个文本框的过程中,记录了特征图中哪些位置该忽略(即不属于文本框内部),哪些位置该赋值(即处于文本框内部),最后就是将 ignore map 和 score map 分别用这些多边形填充。

get_score_geo(iv)

下一部分,会对以上谈到的那个“艺术”部分进行解读,看具体是如何将文本框顶点进行内缩的。


shrink_poly:将文本框顶点向内移动,使得文本框区域变小

首先是计算出文本框每个顶点的短边长度,计算边长就是计算顶点之间的距离。

shrink_poly(i)

然后判断下文本框两对对边哪一对的长度和更长,先移动长的那一对边(2条边,4个顶点)。

shrink_poly(ii)

注意,以上move_points 代表移动一条边,即2个顶点,返回的是移动后顶点的坐标(包括未移动的),接下来看看具体是如何移动顶点的。


move_points:将顶点向文本框内部移动


move_points(i)

以下是这部分重点。对于一条边上的这两个顶点,分别计算它们各自短边0.3倍边长相对于它们组成的这条边的比例,然后它们的横纵坐标分别按其对应的这个比例进行移动,两者移动的方向相反,从而使得两个顶点会相互靠近。

move_points(ii)

哦,需要注意一点,若这两个顶点本身距离不超过1,那就不必移动了,因为这说明两者还未相隔超过1个pixel。


find_min_rect_angle:寻找文本框的最小外接矩形,获得对应的旋转角度

我们知道,场景文字的方向并不都是水平的,因此文本框与水平轴是有一定角度的,那么如何知道这个角度是多少呢?

此处是通过枚举的方式,对于在 [-90^o 90^0] 范围内的每个角度,都将文本框进行对应的旋转,旋转后记录对应的外接矩形面积,文本框和前10个面积最小的外接矩形的拟合误差,最终选取误差最小的那个方案对应的旋转角。

find_min_rect_angle(i)


find_min_rect_angle(ii)

为了方便理解,CW 特意画了个图(虽然很丑哈哈哈):


文本框旋转,与外接矩形的拟合误差

如上图,v1、v2、v3、v4是文本框4个顶点,文本框与水平轴的真实夹角是\theta ,假设我们在枚举过程中遇到一角度\theta',然后将文本框进行对应旋转,旋转后的外接矩形就是上图右上部分的ABCD,阴影部分就是外接矩形比文本框多出来的面积。我们可以认为,这个面积越小则外接矩形与文本框越相近,误差也越小,因此我们选取面积最小的前10个外接矩形道理就在于此。

理想情况下,我们找到了真实的角度\theta ,这时候旋转文本框,得到的外接矩形就会和文本框重合(当然,文本框不是直角矩形而是其它多边形形状时,不会重合),如上图中间部分,这时候外接矩形的面积最小,拟合误差最小。


cal_error:计算文本框与外接矩形的拟合误差

由上一部分我们知道,拟合误差与外接矩形面积有正相关关系,现在就来看看这个误差值具体是通过什么来计算的。


cal_error

上图代码应该交代的很明白了,拟合误差实质就是文本框与外接矩形4个顶点之间对应距离之和


rotate_all_pixels:旋转图像中的所有点

最后来看看图像中的点是如何旋转的。

rotate_all_pixels(i)


rotate_all_pixels(ii)

以上的rotate_mat是旋转操作对应的仿射变换矩阵,根据旋转角即可计算获得:


get_rotate_mat

结语

数据预处理与标签生成的源码解析就到此为止了,通过代码可以了解到,这里面还是有不少trick的,可以感受到作者在其中加入很多对生活实际情况的思考,并不是单纯生硬地把原理照搬写到代码上。由此可知,作为技术工程师,必须多多观察与思考,在生活中汲取灵感,这样才能真正创造出实用有效的东西。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
禁止转载,如需转载请通过简信或评论联系作者。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 230,431评论 6 544
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 99,637评论 3 429
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 178,555评论 0 383
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 63,900评论 1 318
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 72,629评论 6 412
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 55,976评论 1 328
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 43,976评论 3 448
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 43,139评论 0 290
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 49,686评论 1 336
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 41,411评论 3 358
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 43,641评论 1 374
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 39,129评论 5 364
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 44,820评论 3 350
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 35,233评论 0 28
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 36,567评论 1 295
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 52,362评论 3 400
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 48,604评论 2 380