这是一篇关于任意角度字符区域检测文章。

论文的总体预览

• 简介
  对目标区域的检测不仅仅是[x1,y1,x2,y2]，而是(x,y,h,w,θ).其中(x,y)代表中心点坐标,(h,w)是短边和长边,θ是与水平轴的夹角.这篇论文在水平座标的基础上加上了θ任意角度这个信息，提高对text检测的准确性能，从体来说论文是基于faster-rcnn进行改进，通过添加Rotation Region Proposal Networks (RRPN)，这个任意角的区域推荐网络，生成任意角度的推荐区域，通过Rotation Region-of-Interest (RRoI)，在feature map上进行热议角度的区域裁剪或者池化操作。

• anchors
  scale,Ratio与faster r-cnn是相同设置，增加angle=(-pi/4, 3pi/4)，angle实际使用[2pi/3,...-pi/6].

image.png

• 斜的IoU和NMS

对IoU计算需要考虑角度，NMS计算也需要考虑角度

image.png

• 斜的ROIpool

image.png

• 真实坐标，预测坐标，anchors之间的变换

这里新增的对于角度的仿射变换是 θa−θg+kπ，k的目的是为使θ在[-pi/4, 3pi/4]内。

image.png

• loss变换
  新增的θ与x，y同等对待。

image.png

参考:
paper
caffe 源码
tensorlfow复现
Rotation-Proposals