github 地址：GitHub - MhLiao/DB: A PyTorch implementation of "Real-time Scene Text Detection with Differentiable Binarization".

其他人的解析：DBNet阅读笔记 - 知乎

DB/DBNet：Real-time Scene Text Detection with Differentiable Binarization 一些问题 - 无左无右 - 博客园DBNet详解_lexi_qi的博客-CSDN博客_dbnet详解  （代码+解释）

论文地址：知乎 - 安全中心

由于作者用的别人框架，通过yaml文件控制加载的类和参数，这样动态生成的方式有利于实验阶段调整参数，却不利于新手快速上手。

本人在训练自己的数据集时，预测阶段结果通常会如下：

 box往上偏移并且包裹不全。在可视化训练阶段的标签时，第一张图是可视化border在原图，第二章是同时可视化gt和border在原图，默认的shrik ratio是相同的0.4，这里为了区分明显，

 class: MakeSegDetectionDatashrink_ratio: 0.2
class: MakeBorderMap shrink_ratio: 0.6

可以看到：越长的文本的标签gt的高度越小，预测阶段也是短文本效果好一点，包裹的紧密。

贴下可视化的代码， 用在 image_dataset.py的__getitem__函数返回前：

    def visualize_fun(self, data):'''想要在原图同时画出 边界图、gt图和原图时，需要设置 MakeSegDetectionData和 MakeBorderMap 的shrink ratio不一致，这样容易观察'''# cv2.imwrite('blend.jpg',(cv2.cvtColor(((data['image'].cpu().numpy().transpose(1,2,0)*255 + np.array([122.67891434, 116.66876762, 104.00698793]))).astype(np.uint8), cv2.COLOR_RGB2BGR)))# 在原图上绘制ori = (cv2.cvtColor(((data['image'].cpu().numpy().transpose(1, 2, 0) * 255 + np.array([122.67891434, 116.66876762, 104.00698793]))).astype(np.uint8),cv2.COLOR_RGB2BGR))ori[data['thresh_mask'].astype(np.bool)* (data['thresh_map']> 0.3)] = np.stack([data['thresh_map'] * 0, data['thresh_map'] * 0,data['thresh_map'] * 255], axis=-1)[data['thresh_mask'].astype(np.bool)* (data['thresh_map']> 0.3)]ori += np.repeat(np.expand_dims(data['gt'][0] * 125, axis=-1), 3, axis=-1).astype(np.uint8)cv2.imwrite('blend.jpg', ori)