标签：sof class ase 3.1 cat 速度 fas 暴力 location
说明：主要考虑深度学习的方法，传统的方法不在考虑范围之内。
1.1detection：找到有文字的区域（proposal)。
1.2classification：识别区域中的文字。
文字检测主要有两条线，两步法和一步法。
2.1两步法：faster-rcnn.
2.2一步法：yolo。相比于两步法，一步法速度更快，但是accuracy有损失。
文字检测按照文字的角度分。
2.1水平文字检测：四个自由度，类似于物体检测。水平文字检测比较好的算法是2016ECCV乔宇老师团队的CTPN。
2.2倾斜文字检测：文本框是不规则的四边形，八个自由度。倾斜文字检测个人比较喜欢的方法是2017CVPR的EAST和Seglink。套路：检测文本框－>用radon hough变换等方法进行文本矫正－>通过投影直方图分割出单行的文本的图片－>最后对单行OCR。
只考虑了不需要对文字进行分割。
3.1定长的，各个字符之间看成是独立的：multi-digit number。
3.2不定长的：RNN/LSTM/GRU+CTC。白翔老师团队的CRNN写的比较清楚。
3.3不定长的attention-mechanism（CNN+RNN+Attention）:分为hard attention（直接给出hard location，不能直接暴力pb）、soft attention（可以暴力pb）、gradient-base attention。
参考:https://www.zhihu.com/question/20191727
标签：sof class ase 3.1 cat 速度 fas 暴力 location
原文地址：https://www.cnblogs.com/ys99/p/9201229.html
