自然场景的文本识别

简单记录一些

在读SCENE TEXT RECOGNITION VIA GATED CASCADE ATTENTION文章时，根据他提到的参考文献，又读了这5篇，
本身这个文章就是将最新的CBAM结合卷积组成前面论文中的编码器，同时还是链接BLSTM,跟前面的论文也没什么区别。
这篇文章提出了GCAM。这里就不太懂了。由于自己对LSTM GRU了解不太多，只是简单的看了结构，感觉也是根据后面的网络结构改的。这篇文章也没说怎么训练的之类的。以目前自己的水平，代码实现也比较难，同时也谈不了数学上的推导。

• 需要补充:LSTM知识，注意力机制模型等等。