【论文笔记】Text-Detection

最近在研究一个新课题-Text Detection，正在读论文中。。。

20160426

1、Zhang Z, Zhang C, Shen W, et al. Multi-Oriented Text Detection with Fully Convolutional Networks[J]. arXiv preprint arXiv:1604.04018, 2016.

这篇文章将局部和全局信息结合，使用了一种coarse-to-fine的方法来定位自然场景中的文本。首先，使用了全卷积的神经网络来训练和预测文字区域的显著图；然后，结合显著图和文字元素来估计文字所在的直线；最后，另一个全卷积模型的分类器用来估计每个字符的中心，从而去掉误检区域。这个系统能够处理不同方向、语言、字体的文本检测，在MSRA-TD500, ICDAR2015和ICDAR2013的评测集上都取得了state-of-the-art的结果。

PS：这篇文章被CVPR 2016收录，在valse 2016会议中见过了作者，也讨论了一些问题，帮我普及了文本检测的基本知识。

2、TextProposals: a Text-specific Selective Search Algorithm for Word Spotting in the Wild.

这篇文章针对文本的特殊属性，将object proposal 的方法用在了文本检测中，形成了text-proposal。

text-proposal也是基于联通区域的组合，但又与之前的方法有所不同：初始化的区域并不对应单个字符，也不需要知道里面的字符数。

代码见：https://github.com/lluisgomez/TextProposals

3、Chen H, Tsai S S, Schroth G, et al. Robust text detection in natural images with edge-enhanced maximally stable extremal regions[C]//Image Processing (ICIP), 2011 18th IEEE International Conference on. IEEE, 2011: 2609-2612.

作者提出了一种叫做最大稳定极值区域（Maximally Stable Extremal Regions，MSER）作为文本候选，再通过几何和笔划宽度信息滤掉非本文区域， 剩余的文本信息形成文本直线，最终可被切分为单个文字。

Matlab代码参见：http://cn.mathworks.com/help/vision/examples/automatically-detect-and-recognize-text-in-natural-images.html