OCR知识框架构建（文本检测、文本识别、End2End）（更新中）

文本检测篇

1、基于分割的文本检测

PSENet（psenet解读 - 知乎）

2、基于回归的文本检测

CTPN (场景文字检测—CTPN原理与实现 - 知乎)

文本识别篇

1、CRNN+CTC

详解CTC - 知乎

理解 LSTM 网络 - 简书

深度学习CV岗位面试问题总结（OCR篇）_小菜的博客-优快云博客_opencv面试题

【OCR技术系列之七】端到端不定长文字识别CRNN算法详解 - Madcola - 博客园

2、CRNN+Attention (Attention机制简单总结 - 知乎, 权重计算方式)

3、CRNN+ACE

解码方式不同而已

4、CNN+Seq2seq+Attention (im2latex)

5、CRNN+Seq2seq+Attention

End2End篇

1、Deep TextSpotter

2、Mask TextSpotter v1-v3

结论

1. 实践对比：相同测试样本的情况下

    crnn+ctc 推理速度 平均15ms 

    crnn+attention 推理速度 平均60ms

2. 公式识别 推理速度

文本识别参考资料：

OCR文本识别之ACE loss论文解读（better than CTC，attention??？） - 知乎

三年磨一剑——微信OCR图片文字提取

OCR文字识别—基于CTC/Attention/ACE的三大解码算法 - 知乎

https://github.com/bityigoss/mtl-text-recognition

万阳春：度小满金融OCR技术在小微场景中的应用