FOTS: Fast Oriented Text Spotting with a Unified Network阅读笔记

        场景文本识别一般分为两步处理文本检测和文本识别。但是这样花费的时间比较多，尤其是文本区域多的时候，另一方面两步处理会忽视两者之间的共享相关联的信息。所以本文提出通过ROIRotate操作将两者结合起来进行联合训练，可以看成是端对端的。这是目前第一个端对端的有向（可识别非水平）文本识别网络，结果表明本网络识别速度快，达到了时时水平，并且比目前所有的结果高5%。

        本文的主要创新点为提出ROIRotate，识别率高同时识别速度快到实时水平。

框架：

        总共分为四个部分： 共享卷积、文本检测分支，RoI Rorate操作和文本识别分支。图像经过一个共享卷积模块提取共享特征（文本检测和文本识别共享），共享特征输入到文本检测分支输出预测边框，同时输入RoI Rotate提取建议文本特征输入文本识别分值，最终预测文本结果。

1.共享卷积

        框架借鉴res50，受到金字塔特征网络影响，作者将低级别的特征和高级别的语义特征拼接在一起，Deconv包含一个卷积操作和上采样操作.

2.文本检测分支

        作者采用全卷积神经网络，由于场景图片包含许多小文本，所以作者在共享卷积中将特征图上采样，尺寸从原图的1