ctpn论文阅读与代码

代码地址: https://github.com/zonghaofan/ctpn_torch

1.通用的目标检测是封闭的,而文字是封闭且连续 

2. 构造一系列宽度相等的小文本,回归中心y坐标和高度

3. 对于边界回归x坐标,在进一次修正

4.整个模型就是backbone提取特征,将每个像素点的相邻3*3像素拉成行向量,利用空间信息,在进入lstm提取时序信息进行分类与回归.

5.文本构建算法将每个相邻竖直文本框进行合并

6.一些中间过程