字符识别OCR(optical character recognition)经典框架解析

字符识别通常包含2个阶段：
1.字符检测(detection)
2.字符识别(recognition)
一.检测
检测常用的框架包括：R-CNN ,fast R-CNN,faster R-CNN,YOLO,SDD等框架。但是由于字符检测与通用的字符检测有一定的差别，字符有其特殊的特征:
1.文字目标的特殊性，一个很大的先验是，文字总是水平排列的。
2.文字的特征总感觉体现在edge上。
3.自然场景文字检测的难点在于：小目标，遮挡，仿射畸变。本文使用VGG16，只使用conv5，可能对小文字的检测效果不好。
因此，在字符检测是有一些专用的框架，如：CTPN(Detecting Text in Natural Image with Connectionist Text Proposal Network)
本文工作基于faster RCNN , 区别在于
1.改进了rpn，anchor产生的window的宽度固定为3;
2.rpn后面不是直接接全连接+分类/回归，而是再通过一个LSTM，再接全连接层;
3.坐标仅仅回归一个y，而不是x1, y1, x2, y2;
4.添加 side-refinement offsets（可能这个就是4个回归值中的其中2个）;
二.识别
字符识别的常用框架是CNN+LSTM+CTC

（未完待续）