如何向检测到的 OCR 边界框添加填充？

Question

我正在关注：EAST 文本检测器 (https://github.com/argman/EAST#installation) 教程的 tensorflow 实现。

当我执行上面链接的 GitHub 代码时，在图像上我得到以下输出：

检测代码为eval.py

在输出中，我想向生成的边界框添加填充，以便我可以正确捕获第一个 "K" 和最后一个“0”。

我在代码的第 69 行更改了框阈值。我尝试了 0.1、0.05 等不同的值，但框的大小没有改变。

def detect(score_map, geo_map, timer, score_map_thresh=0.8, box_thresh=0.1, nms_thres=0.2):

如何向边界框添加填充？

Answer 1

您必须进入函数，找到提取框的行。每个框将用 2 个坐标（左上角和右下角）或一个坐标和偏移量（左上角点以及框的高度和宽度）表示。在这两种情况下，您都必须从边界框的左上角减去一些像素，并在右下角 coordinate/height 和宽度上添加一些像素。例如，假设格式为 2 个坐标，您得到 ((456, 234), (789, 453))。然后当你做数学运算时（从左上角减去并添加到右下角），你会得到类似 ((470, 250), (800, 470)) 我希望这已经足够清楚了。

Answer 2

我很久以前就遇到过这个问题。简单地给 bbox 添加边距，然后验证它没有离开图像。如果您有边界框：

def expand(bbox, margin=5):
    # supose bbox is x1, y1, x2, y2
    return [
        bbox[0, 0] - margin,
        bbox[1] - margin,
        bbox[2] + margin,
        bbox[2] + margin]

bbox_expanded = expand(bbox)
img_crop = img[max(0, bbox[1]):min(img.shape[0], bbox[3]), max(bbox[0], 0):min(img.shape[1], bbox[2]), :]

如果你有4分：

def expand(points, margin):
    # supose points is 1, p2, p3, p4
    return [
        [points[0, 0] - margin, points[0, 1] - margin],
        [points[1, 0] + margin, points[1, 1] - margin],
        [points[2, 0] + margin, points[2, 1] + margin],
        [points[3, 0] - margin, points[3, 1] + margin]]

points_expanded = expand(points)

如何向检测到的 OCR 边界框添加填充？

How to add padding to detected OCR bounding boxes?

ocr

machine-learning

computer-vision

python-3.x

deep-learning