论文《TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes》

(1) 数据集

文章中提到了4个数据集：

1) Total-Text；(新开源曲线文本数据集)

2) SCUT-CTW1500; (新开源曲线文本数据集)

3) ICDAR 2015;(经典数据集)

4) MSRA-TD500.(经典数据集)

(2) 文本检测总体评述：

现有文本检测方法有一个共同的假设：

1. 文本实例的形状大体上是线性的；因此采用相对简单的表征方法(轴对齐矩形、旋转矩形四边形)；
2. 处理不规则形状的文本实例时，依然会暴露问题；
3. 对于带有透视变形(perspective distortion)的曲形文本(curved text)传统方法在精确估计的几何属性方面力不从心；
4. 文本实例不同表征方法的对比，图a是轴对齐矩形，图b是旋转矩形，图c是四边形；图d是TextSnake。

TextSnake文章的贡献：

1. 本文提出一种灵活而通用的表征，可用于任意形状的场景文本；
2. 提出一种有效的场景文本检测方法；
3. 该方法在包含若干个不同形式(水平，多方向，曲形)的文本实例数据集取得了最优效果。

(3) TextSnake方法

表征方法：

1. TextSnake图示

1. 说明：将一个文本区域(黄色表示)表征为一系列有序而重叠的圆盘(蓝色)，其中每个圆盘都有一个中心线(绿色，即对称轴或骨架)贯穿，并带有可变的半径 和方向 ；
2. 从数学公式上分析，包含若干个字符的文本实例t可以被看作是一个序列S(t)， ，其中 表示第i个圆盘，n表示圆盘的数量，每个圆盘D带有一组几何属性，r被定义为t的局部宽度的一半，方向 是贯穿中心点c的中心线的正切；
3. 注意：圆盘并非一一对应于文本实例的字符，但是圆盘序列的几何属性可以改正不规则形状的文本实例，并将其转化为对文本识别器更加友好的矩形等；

Pipeline：

1. 方法框架图
2. 
3. 为检测任意形状的文本，借助FCN模型预测文本实例的几何属性。基于FCN的网络预测文本中心线(TCL)，文本区域(TR)以及几何属性(包括r， ， )的分值图；由于TCL是TR的一部分，通过TR而得到Masked TCL，假定TCL没有彼此重合，需要借助并查集(disjoint set)执行实例分割，Striding Algorithm用于提取中心轴点，并最终重建文本实例。

网络架构：

1. 图例所示

1. 在FPN和U-net的启发下，本文提出一个方案，可逐渐融合来自主干网络不同层级的特征；
2. 主干网络可以是用于图像分类的卷积网络，比如VGG-16/19和ResNet，这些网络可以被分为5个卷积阶段和若干个额外的全连接层；
3. 本文移除全连接层，并在每个阶段后将特征图馈送至特征融合网络。

预测

1. 后处理算法图例：后处理算法框架。 法案(a)集中：将给定点重新定位到中心轴; 法案(b)跨越：对文本实例末尾的定向搜索; 动作(c)滑动：通过沿中心轴滑动圆形来重建；

1. 馈送之后，网络输出TCL，TR以及几何图，对于TCL和TR，阈值分别设为T_tcl和T_tr，接着，TCL和TR的交叉点给出TCL最后的预测。通过并查集，可以有效把TCL像素分割进不同的文本实例。最后，StridingAlgorithm被设计以提取用来表示文本实例形状和进程(course)的有序点，同时重建文本实例区域；
2. StridingAlgorithm的流程如上图所示。它主要包含3个部分：Act(a)Centralizing，Act(b)Striding和Act(c)Sliding。首先，本文随机选择一个像素作为起点，并将其中心化。接着，搜索过程分支为两个相反的方向——striding和centralizing直到结束。这一过程将在两个相反方向上生成两个有序点，并可结合以生成最终的中心轴，它符合文本的进程，并精确描述形状。

?? TCL网络预测文本中心线，非常窄，这样做有什么好处？不会对文本检测出现边缘没有覆盖的问题么？

！！结果图示

TextSnake对于文本实例的进程及形状的精确描述具有预测的能力，而这一能力来自于对TCL进行预测，它比整个文本实例窄很多，这样做有两个优点：

1. 纤细的 TCL 可以更好地描述进程和形状;
2. TCL 彼此不会重叠，因此实例分割得以一种十分简单而直接的方式完成，由此简化 pipeline.

(4)实验结果

Total-Text

CTW1500

MSRA-TD500

ICDAR 2015