任意角度的场景文本检测
论文思路总结
共同点：重新添加分支的创新更突出
场景文本检测
基于分割的检测方法
spcnet(mask_rcnn+tcm+rescore)
psenet(渐进扩展)
mask text spottor(新加分割分支)
craft
incepText
基于回归的检测方法：
r2cnn(类别分支，水平分支，倾斜分支)
rrpn(旋转rpn)
textbox(ssd)
textbox++
sstd(tcm改进前身)
rtn
ctpn(微分)
基于分割和回归的混合方法：
spcnet
利用mask_rcnn来进行实例分割，通过新模块tcm（获取全局语义分割图）以及rescore来提升准确率，实例分割映射在全局语义分割打分
pixel-anchor(deeplabv3+ssd):
分割的部分检测中大目标，ssd检测小目标
east(deeplabv3)
af-rpn
位于文本核心区域中的每个滑动点，直接预测从它到文本边框顶点的偏移量
(采用ohem)
FPN官方给的训练时候是前面共享参数的，对结果影响不大，说是特征金字塔使得不同层学到了相同层次的语义特征
FPN在得到多层金字塔模块的proposals结果之后，放到一块做nms处理
FPN每层金字塔模块的scale都是一样的，因为对应到不同的feature map上面刚好检测不同大小的物体
***********************论文名字后边括号内容为亮点部分********************
hybrid:---------------------------------------------------------------
1.af-rpn(af)
anchor-free
直接预测中心点到box的四个顶点偏移量，
避免了这种情况（to achieve high recall, anchors use various scales and shapes should be designed to cover the scale and shape variabilities of objects ）
scale-friendly
FPN对大中小三种尺度的目标分开检测（实现细节与fpn有不同）
2.inceptext(inceptext)
整体就是 fpn+inception_module+deformable_conv+deformable PSROI pooling
inception-text
设计类似inception中(1*1，3*3，5*5)三种卷积核对大中小三种不同尺度的目标进行检测，
也加入deformable卷积来调整感受野,把检测聚集到文字上面，不容易受方向限制；还有 two fused feature maps 增加多尺度信息。
deformable psroi pooling
(把检测聚集到文字上面，不容易受方向限制)
加入offset集中检测文字部分的信息，tend to learn the context surrounding the text
Each image is randomly cropped and scaled to have short edge of{640,800,960,1120}.
The anchor scales are {2,4,8,16}, and ratios are {0.2,0.5,2,5}.
3.rtn(无亮点)
一个多尺度的特征，加上ctpn竖直框，加上只有回归的预测
hierarchical convolutional
获得更强的语义特征，融合了resnet的模块4和模块5
vertical proposal mechanism
用ctpn获取竖直框，目的是去掉proposal的分类
regression:---------------------------------------------------------------
1.ctpn
detecting text in ?ne-scale proposals
generate vertical proposals
recurrent connectionist text proposals
连接vertical proposals
side-re?nement
针对左右边界的anchors预测文本行的边界进行调整
2.textboxs
采用ssd来做std(multi-scale)
3.textboxs++
可以借鉴数据增强的方式 random crop
4.r2cnn(inclined box)
three ROIPoolings use different pooled sizes
anchor scales(4,8,16,32)
axis-aligned 和 inclined box一起预测且是包含关系
incline NMS
compute convolutional feature maps on an image pyramid(非主要)
augment ICDAR 2015
We rotate our image at the following angles (-90, -75, -60, -45, -30, -15, 0, 15, 30, 45, 60, 75, 90).
借鉴r2cnn的 ablation experiment
5.rrpn
rrpn
r-anchors(54,3*3*6),generate inclined proposals(representation,x,y,h,w,θ)
RROI pooling
skew NMS
image rotation strategy during data augmentation
segmentation ------------------------------------------------------
原文地址：https://www.cnblogs.com/ywheunji/p/11629716.html