多种文本检测算法性能对比及算法介绍
(https://blog.csdn.net/qq_39707285/article/details/108754444)
论文题目：EAST: An Efficient and Accurate Scene Text Detector
DATA:2017年7月10日
Abstract
之前的文字检测算法在处理较难的场景时往往会出错，即使是使用了深度学习算法的也表现的不好，因为这些算法由多个步骤组成，不仅耗时，表现还不好。本文提出了一个简单的能够快速准确定位场景文字的算法，改算法直接预测任意形状或矩形word或者行文本。在 ICDAR 2015, COCO-Text and MSRA-TD500数据集上都领先于之前的算法，在ICDAR 2015数据集上，该算法在720p的图片上以13.2fps的速度得到了0.7820的F-score。
Introduction
该算法有三大贡献：
- 该算法有两部分组成，第一部分是全卷机网络，直接预测文本区域，另一部分是NMS合并，把检测的结果通过nms合并成最终结果
- 改算法无论是单词还是行文本都可以预测，形状可以是旋转的boxes or quadrangles
- 无论在速度还是精度上都领先于之前的算法
Related Work
之前的算法大部分由多步组成，例如去除假阳、候选聚合、线和行的组成等，如图2(a-d)所示。这些方法需要不断的进行微调，导致效果一般，并且处理时间增加。
Methodology
该模型直接利用全卷机神经网络输出密集的像素级别detection来预测文本，省去了候选方案、文本区域形成和单词划分等交互步骤，预处理步骤仅包括阈值设置和nms。把改算法称之为EAST，since it is an Efficient and Accuracy Scene Text detection pipeline。
Pipeline
FCN的第一个输出通道是score map，每个score值限定在[0,1]，其余的通道代表从每个像素的视图中包围该单词的几何形状，这个分数代表在同一地点预测的几何形状的置信度。
检测不同文本形状有两种形式， rotated box (RBOX) and quadrangle (QUAD)，使用了不同loss函数，每一个预测结果大于某个阈值的进入下一步nms处理，nms处理结果作为最终的输出。