大数据与人工智能Lab | 【附论文】白话文本检测经典模型：SegLink

本文来源公众号“大数据与人工智能Lab”，仅用于学术分享，侵权删，干货满满。

原文链接：【附论文】白话文本检测经典模型：SegLink

在自然场景中，例如灯箱广告牌、产品包装盒、商标等，要检测出其中的文字会面临着各种复杂的情况，例如角度倾斜、变形等情况，这时就需要使用基于深度学习的方法进行文字检测。在之前的文章中，介绍了基于卷积神经网络和循环神经网络的CTPN文本检测方法（见文章：大数据与人工智能Lab | 【附论文】白话文本检测经典模型：CTPN-优快云博客），该方法能在自然场景下较好地实现对文字的检测，但在CTPN中给出的文本检测效果是基于水平方向的，对于非水平的文本检测效果并不好，而在自然场景中，很多的文本信息都是带有一定的旋转角度的，例如用手机拍街道上的指示牌，如下图。如果文本检测的结果只有水平方向的，没有带角度信息，那么下图指示牌检测出来的就是红色框结果，而其实绿色框才是理想的检测目标&#x