检测
CTPN
文本检测与一般的目标检测有所区别，比如文本没有精确而闭合的边缘，单个字符目标窄，但是整体文本串（文本行）又比较长。针对这个特点，研究者提出CTPN框架，通过检测行方向上宽度固定的文本提高定位精度，然后对相邻行进行合并来获取检测结果。
TextBoxes
针对文本行一般比较长的特点，TextBoxes使用SSD框架，并修改Defult Box中的长宽比以及卷积核的大小，本质上依然是使用SSD进行检测。
R2CNN
针对的是大多数文本检测场景中，文本都是存在倾斜方向的，因此如果检测框没有方向就不能够达到很精确，R2CNN框架（Rotational Region CNN）就是将最后的检测box定义为一个带方向的box,另外同时也预测一个无方向（即水平）的框来包裹有方向的box。
EAST
基于Densebox的旋转文本检测框架，与R2CNN不同之处在于，它不是在最终box回归的时候输出旋转框，而是使用多个通道来预测旋转信息，比如4个通道预测边界距离，一个通道预测旋转角度。
把完整文本行先分割检测再合并的思路，做法比较麻烦，把文本检测切割成多阶段来进行，增大了文本检测精度的损失和时间消耗，中间处理影响效果。（候选框选取，候选框过滤，bbox回归，候选框合并）
- 通过FCN结构的网络直接学习是不是文本框以及文本框的坐标和角度
- 局部感知NMS（先合并再NMS），降低了NMS的复杂度。
- 精度和速度都有所提高
缺点：感受野不大，对于长文本检测不是很好，比较适合短文本行检测
AdvancedEAST：score map -> 文本头部、中部和尾部三部分，没有从根本上解决长文本检测。
RRPN
基于Faster RCNN的一个旋转文本检测框架，与R2CNN和EAST不同的是，它采用了带方向的Region Proposal 和ROI polling，因此它本身就可以输出带方向的目标框。
SegLink
针对有些文本非常长，anchor box不一定能够很好的覆盖到的问题，SegLink基于SSD框架进行改进，首先检测局部片段，然后通过规则将所有的片段进行连接，得到最终的文本行，这样做的好处在于可以检测任意长度的文本行。
特点：
- 与CTPN思想类似，都是先找出文本行的一部分，然后再连接所有的部分，组成一个完整的文本行；
- 在SSD基础上加入了旋转角度的学习；
在小部分文本框之前用连接线（相邻框的中点连线）来表示属不属于同一个文本框，也是用网络来学习； - 使用融合规则将各个阶段的框信息和线信息进行融合，组成文本行。
缺点：
不能检测间隔很大的文本行，不能检测弯曲文本
PSEnet
亮点：渐进式扩展算法
- 是一个基于像素分割的方法，能够精确地定位任意形状的文本实例；
提出了渐进式扩展算法，即使两个文本实例离得很近也可以分开，从而保证文本实例的准确位置 - 从最小尺度的kernels开始扩展，最小的kernels可以把紧靠的文本实例分开；逐渐扩展到更大的kernels；直到扩展到最大的kernels，组成最终的结果。
缺点：对于不同的数据集，超参数的选取较为重要（最小尺度比例和分割结果数）。
LSAE
亮点：嵌入形状感知
- 分离紧靠的文本实例
- 解决文本行过长的问题
使用输出的三个结果做聚类
ATRR
使用LSTM网络学习应该使用多少个点来表示文本框。
类似于Faster-RCNN，增加了基于自适应文本表示的LSTM分支。
CRAFT
通过精确的定位每一个字符，然后再把检测到的字符连接成一个文本。
- 生成两部分GT，字符框 + 亲和框（同一文本框中的相邻字符），使用高斯热图
- 字符感知方法，只需要很小的感受野就可以了处理长的弯曲文本
缺点：对粘连字符的检测效果不好；对标注数据的要求高；使用弱监督学习生成伪GT造成的损失；训练复杂，需要先进行弱监督训练得到字符级标注框，再训练网络。
