MSR: Multi-Scale Shape Regression for Scene Text Detection

原文连接：MSR: Multi-Scale Shape Regression for Scene Text Detection

角度

针对现有的回归方形文本框的方式，作者提出了一种回归密集的边框点的形式，在可以生成匹配任意文本的同时，通过高级任务来增加网络提取特征的能力（个人认为）。考虑到多尺度的问题，作者提出了一种适合于多尺度的网络结构。

算法流程

图片被处理为图片金字塔后一起输入网络，得到三个不同的输出，第一个输出是central text region， 为文本区域的中心区域，然后结合这个中心区域，从第二个输出中取出中心区域的点到最近的边缘的横向距离x，从第三个输出取出中心区域的点到最近的边缘的纵向距离，综合点和坐标这两个距离，就能得到一组密集的边框点，将它们连起来，就是目标的边框。其中，central text region是只取了整个文本区域的中心部分，不但有找到点来推测边框的作用，还有分割好容易混叠的文本的作用。

网络结构