一、研究背景

相比起基于 FCN 网络的文本边缘检测网络，KPN网络可以更好地处理文本之间的间隔。

二、方法流程

1. 特征提取

FCN 和 FPN

FCN(全卷积神经网络) 介绍

FPN(特征金字塔神经网络) 介绍

特征提取网络有两个输入：图片和位置信息

位置信息怎么来的？

对图片中每一个像素点进行处理，从而生成两个通道的特征图。

每个像素点具有关于 x 轴和 y 轴的位置信息，每个像素点的 x 轴生成一个通道，y轴生成一个通道。位置大小范围转换为 $[-1,1]$, 即在坐标原点处的像素点关于 x 轴的值为 -1。

具体计算方法如下图所示。

其中 $w,h$ 表示输出特征图的宽度和高度，$i$ 表示第 $i$ 个像素点。

2. 核建议

预测中心图获取文本的连通分量, 获取连通分量是因为对于一个文本实例存在冗余点

分量得分点最高的像素作为关键点？？？

关键点对应位置的特征图为预测核

3. 实例无关特征图

嵌入特征图与预测核进行卷积得到实例无关特征图

其中 $O$ 表示输出的实例无关特征图，每个通道对应一个文本的预测($p_i$)

$K$ 表示得到的卷积核

$E$ 表示预测中心图($F_s$) 和 嵌入特征图($F_p$) 的卷积结果

4. 轮廓生成

通过预先设定的阈值对预测出的实例无关特征图进行二值化处理，得到待检测文本的轮廓

5. 其余部分内容

对于在找到的每一个预测中心图中找到的点，实际上对应的是一个文本实例。所以由此得到的核建议之间应该尽量保持正交关系，这样就可以在一定程度上避免不同文本实例之间的干扰。

由此可以得到一个函数

$K$ 表示得到的卷积核，$k_i$ 表示由预测中心图中的一个点得到的核建议。

对此提出了一个损失函数 $L_{OLL}$

其中 $I$ 表示单位矩阵

$L_{dice}$表示骰子损失

$L_{BCE}$表示二进制交叉熵损失。

三、不足

对场景文本复杂和小文本的环境下存在漏检的情况.

红色表示实际情况，绿色表示 KPN 检测结果