EAST文本检测详解(paper+code)

最新推荐文章于 2026-06-19 09:35:28 发布
原创 最新推荐文章于 2026-06-19 09:35:28 发布 · 6.5k 阅读 · 23
本文详细介绍了EAST文本检测模型的工作原理，包括基于分割的文本检测思路，使用U-net进行特征提取，以及如何生成score map、distance map和angle。文章还提及了在ResNet18基础上构建特征金字塔的方法，并提供了生成label和推理的代码链接。最后讨论了Locality-Aware NMS在处理大量框预测时的作用。

 EAST: An Efficient and Accurate Scene Text Detector

作用：做文本检测，适用于旋转Box和四边形

归类：基于分割的文本检测，使用U-net做特征提取，预测score map和geometry map和angle

1.Backbone：

上图黄色代表特征提取网络，可以是VGG,ResNet，PVANET(作者提到的一个模型)，特征提取模型的视野域会影响最终的结果，

根据不同的任务可以调整视野域，来检测不同长度的文本

上图绿色的部分就是个很经典的特征金字塔结构

这个地方实现也很简单，以ResNet18为例，在做forward的时候，将当前层的feature保存在一个list里面(上图的f)，之后做特征混合的时候按照相反顺序来取就好了，具体如下

最低0.47元/天 解锁文章
BUAA_小胡
关注
【DL学习笔记】EAST文本检测
刘培誉Sonia
02-24 1081
OCR的常规步骤 思路一 预处理+检测+分割+识别 思路二 deep检测（代替上图预处理+检测）+ deep识别（代替分割+识别） 思路2中又分两个思路 思路2.1 deep检测+deep识别（rnn/lstm+CTC） 思路2.2 deep检测+deep识别（rnn/lstm+attention),nlp借鉴而来 今天主要介绍的是思路二中第一部分，deep检测，用到的是EAST文本检查。 论文...
EAST文本检测与Keras实现
linchuhai的博客
12-08 8510
1. 引言     之前介绍了文本检测中的CTPN方法，详情可参见《CTPN文本检测与tensorflow实现》，虽然该方法在水平文本的检测方面效果比较好，但是对于竖直文本或者倾斜的文本，该方法的检测就很差，因此，在该方法之后，很多学者也提出了各种改进方法，其中，有一篇比较经典的就是旷世科技在2017年提出来的EAST模型，论文的全称为《EAST: An Efficient and Accura...
终极教程：用Python Control进行根轨迹分析和控制器设计
gitblog_00639的博客
05-10 549
根轨迹分析是控制工程中设计反馈控制系统的核心方法，能够直观展示闭环系统极点随增益变化的轨迹。**Python Control**作为强大的控制系统分析库，提供了简洁易用的根轨迹工具，帮助工程师快速设计稳定且性能优良的控制器。本文将带你掌握从根轨迹绘制到控制器参数整定的完整流程，即使是控制理论新手也能轻松上手！🚀 ## 为什么选择Python Control进行根轨迹分析？ Python Co
文本检测模型EAST提取分支（Feature extractor stem）、特征合并分支（Feature-merging branch）以及输出层（Output layer） 端到端的训练
万有文的博客
05-13 1735
EAST模型是一个全卷积神经网络（FCN），主要用于预测每个像素是否是文本或单词。它剔除了之前一些卷积神经网络中的区域候选、文本格式化等操作，使得模型结构更加简洁明了。 在特征提取分支部分，EAST模型通常使用预训练的卷积神经网络（如VGG16）进行初始化，并从不同阶段的卷积层中抽取出特征图。这些特征图的大小和尺度有所不同，以便于检测不同尺度的文本行。 特征合并分支则是将不同尺度的特征图进行合并，以生成包含多尺度信息的最终特征图。这一步骤有助于模型更准确地检测不同尺度的文本。
EAST：一种高效准确的场景文本检测器
weixin_65237511的博客
11-21 2150
EAST！
EAST: An Efficient and Accurate Scene Text Detector
热门推荐
年轻即出发，
01-06 1万+
论文：An Efficient and Accurate Scene Text Detector github:https://github.com/argman/EAST 旷世科技在CVPR2017的作品 优势： 提供了方向信息，可以检测各个方向的文本 缺点： 对较长的文本检测效果不好，感受野不够长 网络结构： 整体网络结构分为3个部分 (1) 特征提取层...
Alpaca API实战指南：从零搭建合规低延迟美股量化交易系统
06-13 376
API接口是连接算法策略与真实市场的关键桥梁，其稳定性、延迟特性和合规性直接决定量化交易的可行性与收益上限。Alpaca作为SEC注册的券商级API，以REST+WebSocket双通道、T+0实时结算、毫秒级订单执行和原生Paper Trading沙箱为核心能力，为开发者提供了符合金融工程标准的基础设施。相比传统券商电子化接口，它专为算法设计——订单状态强一致、Webhook高可用、密钥安全机制严格，显著降低滑点、丢单与风控失效风险。本文聚焦Alpaca在美股/ETF实盘场景中的技术落地路径，涵盖认证配置
MinerU多语言OCR技术深度解析：如何实现37种语言的智能文档处理
gitblog_00825的博客
06-16 693
MinerU作为一款专业的文档智能处理工具，在多语言OCR识别领域展现出了卓越的技术实力。通过集成先进的PP-OCRv5多语言文本识别模型，该项目支持37种语言的文字识别功能，为国际化文档处理提供了高效解决方案。本文将深入探讨MinerU的多语言OCR技术架构、实战应用场景以及性能优化策略，帮助开发者全面掌握这一强大功能。 ## 核心关键词与长尾关键词规划 **核心关键词**：MinerU多语
AI工程周刊：面向生产环境的可执行技术决策指南
Faith, Simpleness, Transparency, Innovation
06-14 469
AI技术资讯泛滥时代，真正驱动开发落地的核心不是信息新鲜度，而是可验证性、可操作性与领域适配性。本文聚焦‘工程师晨会级’信息筛选范式，围绕API变更、开源库breaking change、框架隐性升级等高频实操场景，提炼出时效临界点、行动转化率、领域适配度三大判断标准。结合vLLM Kubernetes Operator、AWS Bedrock权限升级、Transformers FlashAttention-2强制启用等真实案例，详解如何将Newsletter转化为命令可执行、环境可验证、决策可闭环的技术雷
GPT-4o教育实战指南：绕过限制高效用于学术精读与代码教学
最新发布
weixin_34321753的博客
06-19 382
大语言模型（LLM）作为现代教育新基础设施，其核心价值在于支撑长上下文理解、多步逻辑推演与跨模态交互。GPT-4o作为当前OpenAI公开最强模型，具备128K上下文、文本/语音/图像多模态输入及低延迟响应能力，技术原理上依托强化推理链（Chain-of-Thought）与统一架构（Omni），显著提升学术场景下的语义准确性与结构化输出质量。其技术价值体现在降低知识获取门槛、加速科研闭环、赋能个性化教学。典型应用场景包括论文批判性精读、学术写作风格适配、编程错误溯源教学、跨学科专利-临床整合分析等。本文聚焦
EAST框架解析
loovelj的博客
04-27 2087
EAST框架解析EAST简介一、训练第一步：图像预处理二、模型训练1）前向计算Loss 计算三、前向推理正向预测图像：Locality-Aware NMS总结： EAST简介 EAST是一个文本检测模型，由于他的实现方式非常简洁且高效，所以吸引了很多人用他的方法做文本检测，具体实现方法已经有很多人讲过，下面将记录一下其中的具体代码处理过程。 EAST论文地址：https://arxiv.org/p...
EAST文本检测
爱编程的鱼的博客
08-28 1112
论文中是基于PVANet（一种目标检测的模型）作为网络结构的骨干，这里代码我们使用VGG模型作为网络的backbone来提取特征，分别从stage1，stage2，stage3，stage4的卷积层抽取出特征图，卷积层的尺寸依次减半，但卷积核的数量依次增倍，这是一种“金字塔特征网络”（FPN，feature pyramid network）的思想。通过这种方式，可抽取出不同尺度的特征图，以实现对不同尺度文本行的检测（大的feature map擅长检测小物体，小的feature map擅长检测大物体）。
EAST解读 —— An Efficient and Accurate Scene Text Detector
aift的专栏
07-22 3369
文章目录简述现有工作问题数据集网络结构特征提取层特征合并层结果输出层标签生成损失函数文本分割LossRBOX边界偏移LossRBOX偏移角度损失QUAD偏移LossLocality-Aware NMS实验结果 简述 EAST是旷视科技CVPR 2017年的一篇场景文本检测算法，其特点有：结构简单，速度快，端到端等，Github上有很好的复现代码，是一种实用性很强的文本检测算法。 paper：ht...
文本检测实战：使用OpenCV实现文本检测（EAST 文本检测器）
AI浩
11-17 8923
在本教程中，您将学习如何使用 OpenCV 使用 EAST 文本检测器检测图像中的文本。 EAST 文本检测器要求我们在我们的系统上运行 OpenCV 3.4.2 或 OpenCV 4 。 论文原文：https://arxiv.org/abs/1704.03155 代码地址：https://github.com/argman/EAST 在今天教程的第一部分中，我将讨论为什么在自然场景图像中检测文本会如此具有挑战性。 从那里我将简要讨论 EAST 文本检测器，我们为什么使用它，以及是什么让算法如此
（四）EAST----2017CVPR论文解读
chenbo的博客
02-18 1842
EAST: An Efficient and Accurate Scene Text Detector EAST：一种高效准确的场景文本检测器 Abstract 以往的场景文本检测方法已经在各种基准测试中取得了良好的性能。然而，即使配备了深度神经网络模型，它们在处理具有挑战性的场景时通常也达不到要求，因为整体性能是由管道中多个阶段和组件的相互作用决定的。在这项工作中，我们提出了一种简单而强大的流水...
【论文翻译】EAST: An Efficient and Accurate Scene Text Detector高效准确的场景文本检测器
Gavid的博客
10-11 1990
文章目录摘要引言 高效准确的场景文本检测器 摘要   先前的场景文本检测方法已经在各种环境中通过了性能基准。但是，在应对挑战性场景时（即使配备深度神经网络模型），因为整体性能取决于管道中多个阶段和组件的相互作用。在这项工作中，我们提出了一个简单但功能强大的管道，该管道可以在自然场景中产生快速而准确的文本检测。 流水线可以通过单个神经网络直接预测完整图像中任意方向和四边形形状的单词或文本行，从而消除...
探秘EAST：一款高效文本检测框架
gitblog_00068的博客
04-16 670
探秘EAST：一款高效文本检测框架 在计算机视觉领域，文本检测是一项至关重要的任务，它广泛应用于自动文档处理、图像检索和智能监控等领域。EAST（Efficient and Accurate Scene Text Detector）是一个由宋德嘉开发并开源的深度学习模型，专为场景文本检测设计。本文将带你深入了解EAST，并阐述其技术优势、应用场景及独特特点。 项目简介 EAST采用了新颖的分阶段检...
OCR EAST: An Efficient and Accurate Scene Text Detector 自然场景下的文字识别算法详解
Michael’s Blog
09-27 9250
最近研究OCR，有篇比较好的算法文章引起我的注意，《EAST: An Efficient and Accurate Scene Text Detector》，该文发表在2017年CVPR上。代码地址：https://github.com/argman/EAST，这是原作者参与的一份tensorflow版本代码，网上还有其他的实现。 下面根据原文的结构和上述提供的代码详细的解读一下该算法 一、网络架...
EAST: An Efficient and Accurate Scene Text Detector——译文
zhangwl27的专栏
01-18 1342
  摘要 之前针对场景文本检测的方法在各个基准上都获得前途无量的性能。但是，当处理具有挑战性的场景时，它们都功亏一篑，由于整体效果由算法多个阶段和模块的共同作用决定的。在本文工作种，我们提出了一件简单且很强大的算法，在自然场景中获得更快且准确的文本检测。这个算法在单一的神经网络中，直接预测整幅图中任意方向和四边形的单词或文本行，消除了中间步骤（例如，候选聚合和单词的分割）。算法的简单性允许集中...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值