All You Need Is Boundary阅读笔记

不同于现存的方法将文本检测视为边框提取或实例分割，我们在每一个文本实例的边界上定位了一系列点。通过这些边界点，我们建立了一个简单有效的架构用于端到端文本识别，可以阅读任意形状的文本。
文本检测和识别之间具有相关性。
提出了一种端到端的可训练网络用于任意形状文本识别，无需字符级注释，取代检测一个矩形边框，我们的检测通过定义文本实例的边界来完成。更具体地说，我们的检测目标是预测一组边界点，其可以更灵活的描述场景文本的形状。使用边界点对于建立端到端OCR系统有三个优势1）不规则文本区域的CNN特征可以使用边界点更准确的描述，从而有效地消除了背景噪声对后续识别的干扰;2）通过边界点，不规则文本可以更简单的转换或矫正为规则文本，这是一个序列识别模型的现实输入。与最近的不规则文本识别模型(Shi et al. 2019)类似，这种转换操作在CNN中可以简单实现且可微。3）在训练识别模型时，通过反向传播可以很容易地细化边界点的位置，充分享受识别阶段对检测性能的提高。因此，边界点似乎是一种合理的表示，可以平滑有效地桥接文本检测和识别模块。
然而，由于文本形状和尺度的多样性，直接检测边界点是具有挑战性的。为了有效提取文本边界点，我们采取了一种由粗到精的策略：首先，通过一个两阶段的CNN检测器检测每个文本实例的最小外接矩形，然后，边界点预测在最小外接矩形中进行。我们的实验验证了所提出的边界点检测方法的有效性。在几个标准数据集上检测和端到端识别都达到了最优表现。
贡献：1）提出了边界点表示用于端到端文本检测，比矩形框或分割mask更适合连接检测与识别。2）设计了端到端可训练的网络用于联合优化边界点检测和文本识别，可以识别单向和弯曲文本。
相关工作：为了阅读端到端的阅读任意形状的文本&