文本检测算法之CTPN 学习笔记

现有的文本检测方法主要有两大类，一种是基于回归框的检测方法(基于物体检测的方法)，如CTPN，EAST，这类方法很难检测任意形状的文本(曲线文本)， 一种是基于像素的分割检测器(基于实例分割的方法)，这类方法很难将彼此非常接近的文本实例分开，包括PSENet。

1.概述

在2015年Faster R-CNN在物体检测上提供了非常好的算法框架。所以用深度学习的思想解决场景文字检测自然而然的成为研究热点。
Faster R-CNN做目标检测步骤：

1. 基础网络做特征提取；
2. 特征送入RPN做候选框提取；
3. 分类层对候选框内物体进行分类，回归层对候选框的(x,y,w,h)进行精细调整。

详细介绍看这里：https://zhuanlan.zhihu.com/p/31426458

对比发现，场景文字检测和物体检测存在显著的不同之处：

• 文本大多数以长矩形形式存在，即长宽比一般较大或较小，这与普通的目标检测中的物体不一样
• 场景文字检测有明显的边界，例如Wolf 准则 [2]，而物体检测的边界要求较松，一般IoU为0.7便可以判断为检测正确；
• 场景文字检测有明显的序列特征&#