大话文本检测经典模型：SegLink

在自然场景中，例如灯箱广告牌、产品包装盒、商标等，要检测出其中的文字会面临着各种复杂的情况，例如角度倾斜、变形等情况，这时就需要使用基于深度学习的方法进行文字检测。在之前的文章中，介绍了基于卷积神经网络和循环神经网络的CTPN文本检测方法（见文章：大话文本检测经典模型 CTPN），该方法能在自然场景下较好地实现对文字的检测，但在CTPN中给出的文本检测效果是基于水平方向的，对于非水平的文本检测效果并不好，而在自然场景中，很多的文本信息都是带有一定的旋转角度的，例如用手机拍街道上的指示牌，如下图。如果文本检测的结果只有水平方向的，没有带角度信息，那么下图指示牌检测出来的就是红色框结果，而其实绿色框才是理想的检测目标，可见检测的结果误差太大。

 

那要怎样才能实现对各种角度的灵活检测呢？一个最直接的思路就是让模型不仅能学习和输出边框的位置（x, y, w, h），还要能输出一个文本框的旋转角度参数θ。本文要介绍的文本检测模型SegLink，便是采用了这个思路，也即SegLink检测模型能检测有旋转角度的文本，如下图：

一、SegLink模型的主要思想

SegLink模型的检测过程主要如下：

1、首先是检测生成一个一个的segment（切片），如上图黄色框，这些segment（切片）是文本行（或单词）的一部分，可能是一个字符，或者是一个单词，或者是几个字符

2、通过link（链接）将属于同一个文本行（或者单词）的segment（切片）连接起来，如上图绿色线条。link（链接）是在两个有重叠segment的中心点进行相连，如下图

3、通过合并算法，将这些segment࿰