2019、2020最新的中文文本检测检测模型

1、DBNet（Real-time Scene Text Detection with Differentiable Binarization）

• 论文地址：https://arxiv.org/pdf/1911.08947.pdf

• 作者：华中科技大学 Minghui Liao 1∗ , Zhaoyi Wan 2∗ , Cong Yao 2 , Kai Chen 3,4 , Xiang Bai 1

• 网络结构
  

• 创新点
  在基于分割的文本检测网络中，最终的二值化map都是使用的固定阈值来获取，并且阈值不同对性能影响较大。本文中，对每一个像素点进行自适应二值化，二值化阈值由网络学习得到，彻底将二值化这一步骤加入到网络里一起训练，这样最终的输出图对于阈值就会非常鲁棒。

• 开源代码：
  github：https://github.com/MhLiao/DB

• 检测结果示例
  

• 测试结果

2、CRAFT（Character Region Awareness for Text Detection）

• 论文地址：https://arxiv.org/pdf/1904.01941.pdf

• 作者：Youngmin Baek, Bado Lee, Dongyoon Han, Sangdoo Yun, and Hwalsuk Lee ∗
  Clova AI Research, NAVER Corp.

• 网络结构
  

• 创新点
  利用了分割的方法，将一个字符视为一个检测目标对象，而不是一个文本框当做目标。先检测单个字符（character region score）及字符间的连接关系（affinity score），然后根据字符间的连接关系确定最终的文本行。这样做的好处在于：使用小感受野也能预测大文本和长文本，只需要关注字符级别的内容而不需要关注整个文本实例。

• 开源代码：
  github：https://github.com/clovaai/CRAFT-pytorch

• 检测结果示例
  

• 测试结果

3、PSENet（Shape Robust Text Detection with Progressive Scale Expansion Network）

• 论文地址：https://arxiv.org/abs/1806.02559

• 作者：Xiang Li, Wenhai Wang, Wenbo Hou, Ruo-Ze Liu, Tong Lu, Jian Yang

• 网络结构
  

• 创新点
  1、提出了一种基于基于像素级别的分割的方法psenet，能够对任意形状的文本进行定位。
  2、提出了一种渐进的尺度扩展算法，该算法可以成功地识别相邻文本实例。

• 开源代码：
  github：https://github.com/whai362/PSENet

• 其他参考：AI实战：最强文本检测模型Shape Robust Text Detection with Progressive Scale Expansion Network (PSENet)