OCR方法总结

一、two-stage方法

1.1 pipeline 检测 + 识别

two-stage的方法把检测任务和识别任务独立开，先通过检测任务框出字符块，再通过识别任务识别字符是什么

a. 检测

• CTPN(水平方向)
  1. 将文本检测任务转化为一连串小尺度文本框的检测
  2. 引入RNN提升文本检测的效果
  3. Side-refinement(边界优化)，提升文本框边界预测精准度
• YOLOV3(水平方向)
  1. 多尺度预测(引入FPN)
  2. 更好的基础分类网络（darknet-53，类似于ResNet引入残差结构）
  3. 分类器不再使用softmax，分类损失采用binary cross-entropy loss
• EAST(倾斜方向)
  1. 该方法采用FCN+NMS，消除中间过程冗余，减少检测时间
  2. 检测的形状可以是任意形状的四边形：即可以是旋转举行，也可以是普通四边形
  3. 采用Locality-Aware NMS来对生成的几何进行过滤(加权nms)
• Seglink(倾斜方向)
  1. 将文本检测任务转化为一连串小尺度文本框的检测
  2. 引入RNN提升文本检测的效果
  3. Side-refinement(边界优化)，提升文本框边界预测精准度

b. 识别

• CRNN
  1. CNN提取图像卷积特征
  2. LSTM进一步提取图像卷积特征中的序列特征
  3. CTC解决训练时字符无法对齐的问题

二、one-stage方法

• FOTS
  1. end-to-end框架解决角度文本端到端识别问题
  2. RoI Rotate模块的运用，桥接了detection和recognition
  3. 模型小、速度快、效果好

三、Reference

https://zhuanlan.zhihu.com/p/37504120
https://zhuanlan.zhihu.com/p/65707543