pse文本行检测_文字检测算法：PSENet

一、文字检测方法：PSENet基本思想概述

PSENet是一种基于语义分割的文字检测方法。在此之前，文字检测主要面临两个挑战：1.基于anchor的方法不能检测出任意形状的文本。

2.基于语义分割的逐像素 检测方法无法区分距离很近的文本。

PSENet很好地解决了上述的两个问题，其基本思想是：

问题一：如何解决基于anchor的方法不能检测出任意形状的文本？问题分析：基于anchor的检测可以类比目标检测，如YOLO，在训练与推理的过程中目标的位置描述为为bounding box的中心坐标x，y还有宽高，w，h。如果文字为曲形，如下图所示，基于这种思想的检测方法就很难检测出文字的准确位置。基于anchor的检测结果

PSENet的解决方法其实很简单，要想检测出任意形状的文本位置，最好是能区分出图像中每个像素的属性，即，对每个像素进行分类。实际上就是使用语义分割。

问题二：基于语义分割的逐像素检测方法无法区分距离很近的文本，PSENet该如何规避？问题分析：当两行文本离得很近，上下两行文本之间的间隙很小，模型是比较难判断上下很近的文字是不是同一行。如下图所示：一般的语义分割检测结果

PSENet的解决方法是：我们的目的是为了区分两行距离很近的文字，核心在于两行离得很近的文本之间的间距很小，以至于模型无法检测出来。那么，能不能想办法来“放大”行之间的距离？PSENet的巧妙之处正在于此！PSENe