OCR系列論文學習筆記連結
良心博主整理的合集：ocr合集
1. Synthetic Data for Text Localisation in Natural Images CVPR2016 特點是使用synthetic data and FCRN. 實現了img內文字行的識別。
感覺這篇paper的核心在於生成synthetic data 的演算法部分，後續的FCRN沒有很驚豔吧...
我自己寫了一篇關於FCRN結構的學習筆記，歡迎大家指正：text spotting之FCRN
2. Detecting Oriented Text in Natural Images by Linking Segments
3. Towards End-to-end Text Spotting with Convolutional Recurrent Neural Networks ICCV2017 特點是:用了 Text Proposal Network(TPN) + Region Feature Encoder(RFE) + Text Detection Network(TDN) + Text Recognition Network(TRN). 在TPN中使用 multiple scale sliding windows 並進行 concatenated。這種操作更有利於文字行的proposals檢測(因為文字行，是長條長條的可能性比較大...)。RFE之前的Region of Interest pooling(RoI)利用1:2的 pooling size，再通過RFE中的LSTM使最末層輸出fixed length representations。另外在TRN中使用：LSTMs with attention mechanism to decode the sequential features into words. 這也是一大創新點。。
4. WeText: Scene Text Detection underWeak Supervision ICCV2017 特點是使用弱監督和半監督思想去解決 labeled data 少的問題。就像之前許多 paper 用 synthetic data 去訓model，也是因為 labeled data 太少了。
5. Deep TextSpotter: An End-to-End Trainable Scene Text Localization and Recognition Framework ICCV2017
6. An End-to-End Trainable Neural Network for Image-based Sequence
論文筆記連結：crnn
程式碼連結：crnn
中文翻譯連結：crnn
7. CTC ： Connectionist Temporal Classification: Labelling Unsegmented Sequence Data with Recurrent Neural Networks
8. Detecting Text in Natural Image with Connectionist Text Proposal Network ECCV2016 這就是傳說中的CTPN接面構了：使用固定寬度(16)的anchor去檢測小框們，再利用文字線構造演算法把小框們連線成文字行。
中文翻譯連結：CTPN
9. PixelLink: Detecting Scene Text via Instance Segmentation AAAI2018 特點是把檢測問題用分割的途徑去處理解決。文章的總體思路也蠻輕簡的：segment + 8鄰域links 不過沒有開源......
10. R2CNN: Rotational Region CNN for Orientation Robust Scene Text Detection 2017arXiv 首先是RPN生成軸對稱的 proposal boxes，然後使用 ROI pooling 進行又一次的特徵提取，得到軸對稱的bbox、傾斜bbox。另一亮點是使用傾斜非最大擬製，減少漏檢。對於各個方向(包含豎直)文字均有不錯的檢測效果。