UI2CODE复杂背景无法识别？闲鱼工程师这样打造高准确率方案( 五 )

2019-07-10

根据拉普拉斯算子计算周边梯度，判断所处区域是否是复杂区域。

简单背景：

由于目标检测模型本身的局限性，会导致没法达到像素级别的精确性，因此需要对位置做修正。如果是简单背景就可以基于梯度的思想做位置修正，具体计算方式如下：

复杂背景：

背景是复杂背景时，上图是原图，下图是提取的文字区块：

??此时提取出的框不是完全正确，那么此时根据梯度等机器视觉算法已经不能对位置做正确的修正了。本文提出了基于GAN网络的方式来解决复杂背景内容提取问题，网络的主要结构如下图所示：

为什么选择GAN网络？

1）基于srGAN网络，该网络加入了特征图的损失函数，这样可以很好保留高频信息，能更好的保留边缘。特征图的损失函数如下图所示：

2）由于有对抗损失的存在，可以很好的降低误检率。

3）最重要的一点是在有透明度的场景下，语义分割网络只能“提取”元素，无法“还原”元素。而GAN网络不仅可以在提取元素的同时还原出未叠加时的像素情况。

推荐阅读

上一篇：小米电视创新低，699元起！网友：小户型和卧室电视首选

下一篇：今年5月底，华为手机全球出货量超1亿台！