Какие модели детекции текста на изображениях (DBNet, EAST, CRAFT)?

DBNet, EAST и CRAFT — это современные модели для детекции текста на изображениях, используемые в задачах OCR (оптического распознавания символов). Они отличаются архитектурой и подходами к выделению текстовых областей.

• EAST (Efficient and Accurate Scene Text detector)

  • Использует сверточную нейронную сеть для предсказания прямоугольных или ориентированных рамок вокруг текстовых областей.
  • Быстрый и точный, хорошо подходит для детекции текста в естественных сценах.

• CRAFT (Character Region Awareness for Text detection)

  • Фокусируется на детекции отдельных символов и их связей.
  • Выделяет области с высокой вероятностью наличия символов и связывает их в слова или строки.
  • Особенно эффективен для сложных и разнородных текстовых структур.

• DBNet (Differentiable Binarization Network)

  • Использует дифференцируемую бинаризацию для улучшения качества сегментации текстовых областей.
  • Позволяет более точно выделять текстовые регионы, особенно при сложном фоне.

Все эти модели обычно используются как первый этап в OCR-системах — для локализации текста, после чего применяется распознавание символов.

Пример использования CRAFT:

• На вход подается изображение.
• Модель выделяет вероятностные карты символов и их связей.
• На основе этих карт формируются bounding boxes для слов или строк.

Выбор модели зависит от задачи: EAST хорош для быстрого детектирования, CRAFT — для сложных текстовых структур, DBNet — для точной сегментации.