4种基于像素分割的文本检测算法【图文】

摘要：文本检测是文本读取识别的第一步，对后续的文本识别有着重大的影响。一般场景下，可以通过对通用目标检测算法进行配置修改，来实现对文本行的检测定位。本文主要介绍基于像素分割的文本检测算法。

本文分享自华为云社区《技术综述十四：弯曲文本检测算法(二）》，作者：我想静静 。

背景介绍

文本检测是文本读取识别的第一步，对后续的文本识别有着重大的影响。一般场景下，可以通过对通用目标检测算法进行配置修改，来实现对文本行的检测定位。然而在弯曲文字场景，通用目标检测算法无法实现对文字边框的精准表述。因此，近年来很多学术论文都提出了新颖的解决场景文字检测的算法，主要包括两种思路：1. 基于区域重组的文本检测；2. 基于像素分割的文本检测。本文主要介绍基于像素分割的文本检测算法。

PSENet

PSENet 是一个纯分割的文本检测方法，该方法的初衷是为了有效地分离任意形状的相邻文本。它通过预测多个尺度的文本分割图来实现这个目的。具体如图 1 所示，这里以预测 3 个尺度的分割图为例，即(a)，(e)，(f)。后处理的流程如下：首先从最小尺度的分割图(a)给各个连接组件分配标签，然后将(a)向四周扩张从而合并(e)中的被预测为文本的像素。同理，合并(f)中的文本像素。

更多文章请关注《万象专栏》