Textnet Base

🚀 TextNet-T/S/B：高效文本检测模型

TextNet是专门为文本检测设计的轻量级高效架构，与MobileNetV3等传统模型相比，性能更优。它有TextNet-T、TextNet-S和TextNet-B三种变体（参数分别为680万、800万和890万），在准确性和推理速度之间实现了出色的平衡。

🚀 快速开始

安装transformers库

pip install transformers

使用示例代码

import torch
import requests
from PIL import Image
from transformers import AutoImageProcessor, AutoBackbone

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

processor = AutoImageProcessor.from_pretrained("jadechoghari/textnet-base")
model = AutoBackbone.from_pretrained("jadechoghari/textnet-base")

inputs = processor(image, return_tensors="pt")
with torch.no_grad():
  outputs = model(**inputs)

✨ 主要特性

• 性能卓越：TextNet在文本检测方面取得了最先进的成果，在准确性和速度上均优于手工设计的模型。其架构效率极高，非常适合基于GPU的应用。
• 参数高效：TextNet-T、TextNet-S和TextNet-B的参数分别仅为680万、800万和890万，比ResNets和VGG16等模型在参数使用上更高效。
• 应用广泛：适用于各种现实世界的文本检测任务，包括自然场景文本识别、多语言和多方向文本检测以及文档文本区域分析。

📦 安装指南

若要使用TextNet模型，可通过以下命令安装transformers库：

pip install transformers

💻 使用示例

基础用法

import torch
import requests
from PIL import Image
from transformers import AutoImageProcessor, AutoBackbone

url = "http://images.cocodataset.org/val2017/000000039769.jpg"
image = Image.open(requests.get(url, stream=True).raw)

processor = AutoImageProcessor.from_pretrained("jadechoghari/textnet-base")
model = AutoBackbone.from_pretrained("jadechoghari/textnet-base")

inputs = processor(image, return_tensors="pt")
with torch.no_grad():
  outputs = model(**inputs)

📚 详细文档

训练过程

我们首先将TextNet与具有代表性的手工设计骨干网络（如ResNets和VGG16）进行比较。为了进行公平比较，所有模型首先在IC17 - MLT [52]上进行预训练，然后在Total - Text上进行微调。与之前的手工设计模型相比，所提出的TextNet模型在准确性和推理速度之间取得了显著更优的平衡。此外，值得注意的是，我们的TextNet-T、TextNet-S和TextNet-B分别仅具有680万、800万和890万参数，比ResNets和VGG16在参数使用上更高效。这些结果表明，TextNet模型在GPU设备上进行文本检测非常有效。

应用场景

TextNet非常适合现实世界的文本检测任务，包括：

• 自然场景文本识别
• 多语言和多方向文本检测
• 文档文本区域分析

📄 许可证

文档中未提及相关许可证信息。

贡献者

该模型由 Raghavan、jadechoghari 和 nielsr 贡献。