库名称：transformers 任务类型：图像特征提取

TextNet-T/S/B：高效文本检测模型

概述

TextNet 是一款专为文本检测设计的轻量高效架构，其性能超越MobileNetV3等传统模型。通过TextNet-T、TextNet-S和TextNet-B三个变体（参数量分别为680万/800万/890万），在检测精度与推理速度间实现了卓越平衡。

性能表现

该模型在文本检测领域达到顶尖水平，在准确率和速度上均超越手工设计的模型。其架构高度高效，特别适合GPU部署场景。

使用方法

Transformers库

pip install transformers

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)

训练过程

我们首先将TextNet与ResNets、VGG16等代表性手工架构进行对比。为确保公平性，所有模型均在IC17-MLT数据集[52]上预训练后，于Total-Text数据集微调。实验表明，TextNet系列在精度与推理速度的权衡上显著优于传统模型。值得注意的是，TextNet-T/S/B的参数量仅分别为680万/800万/890万，比ResNets和VGG16更具参数效率。这些结果验证了TextNet在GPU设备上进行文本检测的有效性。

应用场景

特别适合以下实际文本检测任务：

• 自然场景文字识别
• 多语言多方向文本检测
• 文档文本区域分析

贡献者

本模型由Raghavan、jadechoghari和nielsr共同开发。