Opencv，Pytorch搭建DBnet文本检测网络_dbnet代码数据集处理

前言：

本文将使用pytorch从0实现DBnet文本检测网络，关于DBnet网络的基础这里不在详细介绍，只注重代码编写。如果需要训练自己的数据集，可以将自己的数据集制作成本文所使用的格式即可。

网络搭建：

网络结构图：

特征提取采用resnet18，dbnet网络的输入大小为 batch x 3 x 640 x 640，输出大小为batch x 3 x 640 x 640，其中3个通道分别代表probability map，threshold map，approximate binary map。
代码如下所示：

from torchvision import models
from torchsummary import summary
from torchvision.models.feature_extraction import create_feature_extractor
import torch.nn as nn
import torch

resnet18=models.resnet18(pretrained=False)

resnet18 = create_feature_extractor(
        resnet18, {
   'relu':'feature2','layer1': 'feature4', 'layer2': 'feature8',
              'layer3': 'feature16','layer4': 'feature32'})

class Upsample_add(nn.Module):
    def __init__(self,ins,outs,x1):
        super(Upsample_add, self).__init__()
        self.x1=x1
        self.up=nn.Sequential(
            nn.ConvTranspose2d(ins, outs, kernel_size
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18