Shape Robust Text Detection with Progressive Scale Expansion Network

很简单朴素却抓住了问题本质的思路。牢牢把握住用分割的方法来做文本检测这一捷径，并针对文本毗邻时的单例分割做不好的问题，提出从文本中心开始，扩散到整个文本，分步完成预测的方法。

分割的思路难点在于如何把单例分割做好，WeText通过增加第三类（board类）来做，PixelLink通过预测点和点的连接关系做。其他方法：EAST等通过增加回归来做，FSTN 通过先进行Box-level的单例定位，然后再分割来做。

image.png

搭建FPN，然后把各个层的feature map融合成一个，后续接conv33后，接一系列11Conv层来实现各个阶段的分割任务，每个阶段分割的label都是shrink过的，shrink的程度逐渐变轻。

image.png

问题在于：需要调的参数可能比较多，数据集改变后，可能需要重新调参。应该没有PixelLink鲁棒。