深度学习:文本检测

文字检测主要有两大困难：密集文本行和长文本。已有的应对方法如下：

• 密集文本行：
  • 将文本边界设为第三类；
  • 对文本框GT做pre-process（shrink）；
  • textMountain;
• 长文本：
  • 用post-process的方法使得长文本可以化为多个等宽的短文本，从而只预测文本的高度（CTPN）；
  • （Advanced-EAST）

文字检测主要两大类方法：anchor-based和pixel-based。

• anchor-based数据成本低，但很依赖anchor的精心设计，需尽可能的覆盖所有的文本尺度。
• pixel-based对小目标分割具有一定的优势，对于长文本（direct regression）或者较大文本（link regression）容易出现检测不全或者丢失的情况。