Pixel-Anchor原文：添加链接描述
引用：添加链接描述
数据集：添加链接描述
对于数据增强，统一从图片中裁剪640*640的样本来形成大小为32的mini-batch。在ImageNet数据集训练的模型作为预训练模型。SynthText数据集包括800k合成的文本图像，用来预训练模型，然后在每个基准数据集继续训练对应的图像。对于每个数据集，在第一阶段训练时，初始lr设置为0.0001，然后在第二阶段训练减到0.00001。
首先用公共数据集SynthText和自己的数据集来得到模型的特征，然后在两个具有挑战性的公共基准来评估：ICDAR 2015 和ICDAR 2017 MLT。
Pixel-based:
1、FPN: 特征金字塔网络
2、ASPP: 空洞空间金字塔pooling
Anchor-based:
1、SSD: 添加链接描述
2、APL: 自适应预测层
该层分别为不同的卷积核搭配不同的宽高比锚，以适应不同尺度、不同角度的文本。主要分为以下5类：
a)、正方形anchors：宽高比=1:1，卷积滤波器大小为3x3，主要为了检测方正规整的文字；
b)、中等水平anchors：宽高比={1:2,1:3,1:5,1:7}，卷积滤波器大小为3x5，主要为了检测水平倾斜的文字；
c)、中等垂直anchors：宽高比={2:1,3:1,5:1,7:1}，卷积滤波器大小为5x3，主要为了检测垂直倾斜的文字；
d)、长的水平anchors：宽高比={1:15,1:25,1:35}，卷积滤波器大小为1xn，主要为了检测水平长行的文字；
e)、长的垂直anchors：宽高比={15:1,25:1,35:1}，卷积滤波器大小为nx1，主要为了检测竖排长行的文字。
3、Textboxes++ ：添加链接描述
4、The Anchor Matching Dilemma:
Pixel-Anchor 框架：
从ResNet-50主干网络中提取1/4、1/8、和1/16的特征图，在pixel-based模块和anchor-based模块共享。在pixel-based模块的分割热力图，根据anchor级别的注意力机制提供给anchor-based模块。在inference阶段，没有复杂的后处理，除了包括一个有效的融合NMS。
pixel-based模块：
FPN和ASPP操作组合在一起作为编码-解码结构，同时修改了ASPP的膨胀率，用{3, 6, 9, 12, 15, 18}替换了DeepLabv3+中的{6, 12, 18}来获得更好的感受野。在解码阶段，编码特征首先用因子为2倍双线性插值进行上采样，然后和来自网络主干的相应低一级的特征拼接concat。解码特征图同时保留了高的空间分辨率以及语义信息。
分类Loss:
设负正样本的比例为3:1, Ωa表示用于分类训练的anchor集合（负样本和正样本):
这里| • |是在这个集合中正样本的数量，H(pi, pi*)表示第i个anchor标签预测值pi和它的gt标签值pi之间的交叉熵。
anchors的预测文本四边形坐标偏移量的回归loss如公式：
这里pos(Ωa) 是Ωa的正样本部分， SL(li, li)表示对于第i个anchor，预测偏移坐标li和ground truth li*之间的smooth L1 loss。
对于anchor-based模块，loss可以表示为：
αa是平衡分类loss和定位loss的权值，在实验中为了快速收敛设为了0.2。
训练阶段：
整个网络是用adam优化器来端对端训练的，模型的loss可以表示为：
αall是平衡pixel-based loss和anchor-based loss的权值，在实验中设为3。
推理阶段：
提出融合NMS来获得最终的检测结果，用anchor-based模块检测小文本和长文本，用pixel-based模块检测中等大小的文本。
在anchor-based模块的APL中，对anchors进行修剪。1/4特征图上的所有anchors和在其他特征图上的所有长anchors都被保留下来。因为在1/4特征图上的anchors（一般都是小尺寸的）通常没有足够的空间来包含两个大角度的文本实例，同时长的anchors仅仅可以匹配小角度的文本实例，这样“Anchor Matching Dilemma”就会更少发生。
检测小场景文本的能力：
在SynthText 数据集上进行实验，图片的分辨率都被resize到384384，保留贪玩的河马比，pad短边，随机选择4k张图作为验证集。
检测密集大角度文本的能力：
对比了Pixel-Anchor和anchor-based方法在检测密集大角度文本上的性能。
检测长文本行的能力：
为了说明提出的APL可以有效的检测长文本行，用海报数据集测试了Pixel-Anchor，该数据集包括大量长的横跨图片的中文文本行。收集标定了5000张图，选择4000张作为训练集，1000张作为验证集。在海报数据集中，对于768768分辨率的图片，获得0.88的F-measure。
ASPP: 是一种增加感受野的方法
空洞卷积多了一个称之为 dilation rate 的参数，指的是kernel的间隔数量(一般的卷积 dilation rate=1），采样率（dilation rate）并不是越大越好，因为采样率太大，会导致滤波器有的会跑到padding上，产生无意义的权重，因此要选择合适的采样率
实现空洞卷积：
第一个是通过插入空洞(零)来隐含地对滤波器进行上采样，或等效稀疏地对输入特征图进行采样。通过向im2col函数(从多通道特征图中提取矢量化块)添加稀疏采样底层特征图实现了这一点。
第二种方法，用一个等于空洞卷积率 r 等效的因子对输入特征图下采样，对于每一个r×r的移位，都对其进行去交织以产生 r^2 大小的的分辨率映射。然后将标准卷积应用于这些中间特征图，并隔行扫描生成原始图像分辨率。通过将多孔卷积变换为常规卷积，可以使用现成的高度优化的卷积方法，已经在TensorFlow框架中实现了第二种方法。