Какое значение имеют показатели и форма геометрии в обнаружении текста EAST? - PullRequest
Новая
       42

Какое значение имеют показатели и форма геометрии в обнаружении текста EAST?

0 голосов
/ 19 апреля 2020

В руководстве, чтобы нарисовать ограничивающую рамку вокруг фрагмента текста в изображениях сцены с помощью детектора текста EAST, мы сначала находим массив с вероятностями для определенных областей, содержащих текст. Кроме того, мы получаем геометрическую переменную, которая содержит информацию о геометрии изображения, которую мы используем для рисования ограничивающих рамок. Это все объясняется в https://www.pyimagesearch.com/2018/08/20/opencv-text-detection-east-text-detector/ возле строки 54.

Но мой вопрос в приведенном выше уроке: почему мы принимаем форму массива показателей и помечаем его как * 1006? *? Например, каково значение формы переменных score и geometry? В моей программе для изображения, которое я выбрал, оно показывало (1,1,80,80) для scores и (1,5,80,80) для geometry. Но что означают эти цифры?

Кажущийся 1, кажется, представляет количество изображений, но как насчет других 3? 

import numpy as np
import cv2
import argparse
import time
from imutils.object_detection import non_max_suppression

ap = argparse.ArgumentParser()
ap.add_argument("-i","--image",type=str,help="path to input image")
ap.add_argument("-east","--east",type=str,help="path to input EAST text detetector")
ap.add_argument("-c","--min_confidence",type=float,default=0.5,help="minimum probability required to inspect a region")
ap.add_argument("-w","--width",type=int,default=320,help="resized image width(should be mulriple of 32)")
ap.add_argument("-e","--height",type=int,default=320,help="resized image height (should be multiple of 32)")
args = vars(ap.parse_args())

image = cv2.imread(args["image"])
orig = image.copy()
(H,W) = image.shape[:2]

(newH,newW)= (args["width"],args["height"])
rW = W/float(newW)
rH = H/float(newH)

image = cv2.resize(image,(newW,newH))
(H,W) = image.shape[:2]

layerNames = ["feature_fusion/Conv_7/Sigmoid","feature_fusion/concat_3"]

print("[info] loading EAST text detetctor")
net = cv2.dnn.readNet(args["east"])

blob = cv2.dnn.blobFromImage(image,1.0,(W,H),(123.68,116.78,103.94),swapRB=True,crop=False)
start = time.time()
net.setInput(blob)
(scores,geometry) = net.forward(layerNames)
end = time.time()
print("[info]text detection took {:.6f} seconds".format(end-start))
(numRows,numCols) = scores.shape[2:4]

rects=[]
confidences =[]

print(scores.shape,geometry.shape)

for y in range(0,numRows):
    scoresData = scores[0,0,y]
    xData0 = geometry[0,0,y]
    xData1 = geometry[0,1,y]
    xData2 = geometry[0,2,y]
    xData3 = geometry[0,3,y]
    anglesData = geometry[0,4,y]

    for x in range(0,numCols):
        if scoresData[x]<args["min_confidence"]:
            continue

        (offsetX,offsetY) = (x*4.0,y*4.0)

        angle = anglesData[x]
        cos = np.cos(angle)
        sin = np.sin(angle)

        h = xData0[x]+xData2[x]
        w = xData1[x]+ xData3[x]

        endX = int(offsetX + (cos*xData1[x]) + (sin*xData2[x]))
        endY = int(offsetY - (sin*xData1[x]) + (cos*xData2[x]))
        startX = int(endX-w)
        startY = int(endY-h)
        rects.append((startX,startY,endX,endY))
        confidences.append(scoresData[x])


boxes = non_max_suppression(np.array(rects),probs = confidences)

for (startX, startY, endX, endY) in boxes:
    startX = int(startX*rW)
    startY = int(startY*rH)
    endX = int(endX*rW)
    endY = int(endY*rW)
    print("loop")
    cv2.rectangle(orig, (startX,startY),(endX,endY),(0,255,0),2)

cv2.imshow("Text Detection",orig)
cv2.waitKey(0)

Я приложил весь код для справки , PS- Это руководство также упоминалось ранее в Ошибка с net .forward () в OpenCV EAST текстовом детекторе в pycharm и Ошибка с net .forward () в OpenCV EAST тексте детектор в pycharm (на всякий случай помогает)

...