于文清

（河北地质大学 信息工程学院，河北 石家庄 050031）

0 引言

目前场景文本检测技术可以大致分为两类，一类是传统的场景文本检测方法，另一类是基于深度学习的场景文本检测方法。传统的场景文本检测方法大多是基于字符的，即先对字符进行检测，然后将字符进行关联组合，形成单词。如易尧华[1]等人提出的结合MSCRs与MSERs的自然场景文本检测以及张国和[2]等人提出的最大稳定极值区域与笔画宽度变换的自然场景文本提取方法在某些场景中，字符非常模糊，甚至无法看清，采用传统的场景文本检测方法难以检测出此类文字，因此基于深度学习的场景文本检测方法被陆续提出。基于深度学习的场景文本检测方法大体分为两类，基于目标检测的方法和基于分割的方法。基于目标检测的方法通常把目标检测的方法针对文本的特点来进行改进，进而应用到文本检测中，Tian等人[3]在基于Faster-RCNN[4]思想的基础上提出了用于检测水平文本的CTPN。Ma等人[5]在基于Faster-RCNN的基础上提出了一种通过对检测框进行旋转来检测倾斜的文本的RRPN。Shi等人[6]在 SSD[7]的基础上提出了可以处理多方向和任意长度的文本的 SegLink。由于该类方法对多方向文本和弯曲形文本的检测效果不是很精准，因此有学者提出了基于分割的方法。基于分割的文本检测方法可以不受文本形状的限制，不仅可以检测横向和斜向的文本，而且还可以准确有效的检测出不规则的文本，比基于目标检测的方法，适用的范围更广。……