文字检测定位--SAST

文字检测过程分两步，第一步为检测出文字所在的位置，第二步根据检测框里的内容进行文字识别。

SAST是一种自然场景下的文本检测算法，论文地址：https://arxiv.org/abs/1908.05498

 

一、背景知识

1、语义分割算法： FCN全卷机层

通常CNN网络会在若干个卷积神经网络后面接全连接神经网络，将二维的feature map转化为一组固定长度的特征向量。以Alexnet为代表的经典CNN结构适用于图像的分类和回归任务，即最后得到的特征向量用于记录概率分数，得分最高的几类即为该图像中包括的类别。

例如，图中的猫输入到Alexnet中，得到一组1000大小的输出向量表征类别概率，其中cat这一类在统计概率中得分最高。

FCN语义分割算法对图像做像素级的分类，去掉了CNN网络中的全连接层，代替以反卷积层。反卷积层会对feature map进行上采样，使它恢复原输入图像的尺寸，从而使每个像素都可以产生一个预测。反卷积层保留了原图像的空间信息，使分类任务可以在每个像素上进行，最后的输出结果也基于每个像素做soft max回归，得到预测值。