场景文字检测概述

简介

文字场景检测一直是一个热门的研究热点，文字场景检测和目标检测十分类似，用到的原理也包含了目标检测里面的faster rcnn、ssd等。

卷积网络的空间不变性是一个非常重要的特性。正是由于卷积网络的空间不变性，我们可以利用其进行字符的位置定位，CTPN的主体网络结构使用到了卷积神经网络VGG以及LSTM来提取图片的特征值。能够检测出复杂场景下的横向分布的文字，它是在faster rcnn基础上开发的。以下是直接使用faster rcnn训练以及测试与使用ctpn训练测试结果展现，效果对比如下：

由左图可以看出，faster rcnn能够直接检测出文字区域，如果文字之间过近或者大小发生变化，检测结果将不会十分理想。而如果使用ctpn方式，ctpn首先会检测出不同的长方形区域，这些长方形区域正好能够覆盖文字区域。

CTPN网络结构

CTPN网络结构是被用来设计检测横向排列的文字。CTPN结构与Faster R-CNN基本类似，也可以自己去设置特征属性提取结构，不同于Faster R-CNN的是，CTPN使用了LSTM层结构。当然，如果直接介绍CTPN网络结构还是推荐首先看懂faster rcnn以及lstm的源码，这样会比较好理解CTPN各个层的作用以及对层内的影响，这样就能够自己去改进主体网络架构，主体架构可以参看一下：深度学习在医学领域的应用中的图