TextBoxes
论文关键idea
本文和SegLink一样，也是在SSD的基础上进行改进的．相比SSD做了以下的改进：
- 修改了default box的apect ratio，分别为[1 2 3 5 7 10]，目的是适应文本行长度比较长，宽度比较短的特性，也就是说现在的default box是长条形
- 提出了text-box层，修改classifier卷积核的大小为
，而SSD中卷积核的大小为 
，这样做的目的是更适合文本行的检测，避免引入非文本噪声 - 提出了端到端的训练框架．在训练的时候，输入图像由单尺度变成了多尺度
- 增加文本识别来提高文本行检测的效果，印象当中，白翔老师好像在一个报告中说过，增加文本识别在可以提高文本行检测的准确率
知乎：https://zhuanlan.zhihu.com/p/43545190
TextBoxes ++
一、文本检测与传统目标检测的区别：
1.文本检测有比较大的长宽比
2.一般的convolutional filter 无法全部检测到
可能的解决方案：
1.长的卷积核
2.inception结构的卷积核
3.局部检测然后组合
二、textboxes 对SSD的改进
1.把ssd的defaultbox 的比例改成（1，2，3，5，7，10）的长矩形
2.看下面图你会发现黄色虚线与SSD的区别 把原先的作为分类的卷积核3*3改成了1*5，更适合文字这样的对象
长卷积核与长的defaultbox
3.从多尺度变换成单尺度（这里就奠定了textboxes系列的算法对尺度的依赖的严重性，亲测对不同尺度图片，要调整相应的不同尺度，效果才最好）
textboxes网络结构
SSD网络结构
三，我们来看看textbox++有哪些改进
https://arxiv.org/pdf/1801.02765.pdf 论文所在地
https://github.com/MhLiao/TextBoxes_plusplus 代码所在地
大家可以一起讨论，如下图片红线的 是不是应该少了一个y4。另外 cpu有些问题，建议大家用gpu跑
问题图片
textboxes++的多方向文本检测
那么有哪些改进呢？
- 首先就是对于文本框的表示方式发生了变化。论文中讨论了两种表示方式：分别是4个点坐标8个数字（x1,y1,x2,y2,x3,y3,x4,y4）和左上和右上两个点四个坐标外加四边形的高（x1,y1,x2,y2,h）。但论文推荐使用四个坐标的表示方式。
2.NMS采用了级联的方式提高效率，并且用了不同的计算overlap的方式。
通过1的改进提然提示我的有一个奇思妙想，就像人脸关键点识别一样。我给一行文字16点坐标或者32个点坐标 是不是可以使用更多形状的文字呢？比如环形的 比如波浪形的等等。
3.同时由于现在很多都是用IOU来评价当前的好坏。但是文字检测和物体检测的区别是看下图
abc具有用一样的iou那么这样的情况还是要通过crnn来一起判断当前的框是不是最好的！
知乎：https://zhuanlan.zhihu.com/p/34131821
https://zhuanlan.zhihu.com/p/33723456
感谢！仅为记录学习之用，侵删。