FCENet¶
1. 算法简介¶
论文信息：
Fourier Contour Embedding for Arbitrary-Shaped Text Detection Yiqin Zhu and Jianyong Chen and Lingyu Liang and Zhanghui Kuang and Lianwen Jin and Wayne Zhang CVPR, 2021
在CTW1500文本检测公开数据集上，算法复现效果如下：
| 模型 | 骨干网络 | 配置文件 | precision | recall | Hmean | 下载链接 |
|---|---|---|---|---|---|---|
| FCE | ResNet50_dcn | configs/det/det_r50_vd_dcn_fce_ctw.yml | 88.39% | 82.18% | 85.27% | 训练模型 |
2. 环境配置¶
请先参考《运行环境准备》配置PaddleOCR运行环境，参考《项目克隆》克隆项目代码。
3. 模型训练、评估、预测¶
上述FCE模型使用CTW1500文本检测公开数据集训练得到，数据集下载可参考 ocr_datasets。
数据下载完成后，请参考文本检测训练教程进行训练。PaddleOCR对代码进行了模块化，训练不同的检测模型只需要更换配置文件即可。
4. 推理部署¶
4.1 Python推理¶
首先将FCE文本检测训练过程中保存的模型，转换成inference model。以基于Resnet50_vd_dcn骨干网络，在CTW1500英文数据集训练的模型为例（ 模型下载地址 )，可以使用如下命令进行转换：
FCE文本检测模型推理，执行非弯曲文本检测，可以执行如下命令：
可视化文本检测结果默认保存到./inference_results文件夹里面，结果文件的名称前缀为'det_res'。结果示例如下：
如果想执行弯曲文本检测，可以执行如下命令：
可视化文本检测结果默认保存到./inference_results文件夹里面，结果文件的名称前缀为'det_res'。结果示例如下：
注意：由于CTW1500数据集只有1000张训练图像，且主要针对英文场景，所以上述模型对中文文本图像检测效果会比较差。
4.2 C++推理¶
由于后处理暂未使用CPP编写，FCE文本检测模型暂不支持CPP推理。
4.3 Serving服务化部署¶
暂未支持
4.4 更多推理部署¶
暂未支持
5. FAQ¶
引用¶
@InProceedings{zhu2021fourier,
title={Fourier Contour Embedding for Arbitrary-Shaped Text Detection},
author={Yiqin Zhu and Jianyong Chen and Lingyu Liang and Zhanghui Kuang and Lianwen Jin and Wayne Zhang},
year={2021},
booktitle = {CVPR}
}