【学习笔记】从零开始的OCR-2——PP-OCR

作者：#xuancx 板块：#文档共建 精读PP-OCR以及里面的一些技术。 论文：《PP-OCR: A Practical Ultra Lightweight OCR System》 PP-OCR 由 text detection, detected boxes rectification and text recognition组成，下图为整体框架图。 Text Detection 总体上使用 Differentiable Binarization 作为 text detector，将其中的Backbone换成了MobileNetV3 large x0.5。为什么用MobileNetV3? 理由是，在figure6中，MobileNetV3 can achieve higher accuracy when the predict time are same. ​综合了性能（HMean指标后文会说）和速度选择了large x0.5 Backbone是很重要的，这几乎决定了整个Text Detection的速度，所以要找到很好的模型架构。 The size of backbone has dominant effect on the model size of a text detector. Therefore, light backbones should be selected for building the ultra lightweight models Head 选择了FPN-like 的架构，同时 fuse the feature maps of the different scales 为了提升 small text regions detection 的表现。在fuse different scales 的 feature maps 时，通常使用一个1*1 convolution（简写为​inner_channels​）。经过实验发现，​inner_channels​对 model size 有很大的影响，但是减少他会降低正确率。 Wh