该研究提出了一种使用全卷积神经网络对自然图像中的文本进行检测的新方法，通过综合考虑本地和全局线索，以分层的方式定位文本线。通过组合显著地图和字符组件来估计文本行假设，并使用另一个卷积神经网络分类器预测每个字符的质心，以去除误判。该方法适用于处理多个方向、语言和字体的文本。在三个文本检测基准测试 MSRA-TD500、ICDAR2015 和 ICDAR2013 的性能方面，该方法实现了最先进的性能。

Apr, 2016

本文提出了一种名为 DeepText 的新型文本区域提案生成和文本检测的统一框架，通过卷积神经网络（CNN）实现。通过 Inception-RPN 提出区域提案，引入 ATC 信息和 MLRP 实现文本和非文本分类和准确定位，最终通过迭代边界框投票和筛选算法获得高的召回率。该方法在 ICDAR 2011 和 2013 的检测基准测试中取得了 F-measure 为 0.83 和 0.85 的优异结果，超过了以前的最新研究成果。

May, 2016

本文提出了一种基于卷积神经网络的文本 - 卷积神经网络 (Text-CNN) 用于场景文本检测的系统，并通过多层和丰富的监督信息，包括文本区域掩模、字符标签和二分类文本 / 非文本信息来训练 Text-CNN 以提高其判别效能和鲁棒性。最终，该方法在 ICDAR 2013 数据集上取得了很好的效果。

Oct, 2015

该论文提出了一种利用文本边框的角点定位和定位相对位置的文本区域分割方法，结合了一般性物体检测和文本区域分割的优点，避免了它们的缺点，并在 ICDAR2013，ICDAR2015，MSRA-TD500，MLT 和 COCO-Text 上进行了实验，得出了比以前更好或相当的结果。

Feb, 2018

研究通过直接回归预测物体边界偏移量，提高了多方向场景文本检测的效率，并且通过全卷积网络和单步后处理实现了高性能的检测框架。在 ICDAR2015 测序中，本文方法的 F1 得分为 81％，在其他标准数据集中也达到了最先进的性能。

Mar, 2017

本文提出一种称为 Deep Matching Prior（DMP）的框架，使用优化方法为图像对特定定制网络，来实现密集对应的学习，并在几个基准测试中展现了与最新的基于学习的方法相媲美的性能。

Jun, 2021

本研究提出了一种简单而强大的场景文本检测流程，该流程可以直接预测全图中任意方向和四边形形状的单词或文本行，消除了不必要的中间步骤（例如候选聚合和单词划分），只需要一个神经网络进行操作，大大提升了检测的准确性和效率。

Apr, 2017

该论文提出了一种名为 ContourNet 的算法来解决场景文本检测中出现的误检和规模变化困难的问题，并通过 Adaptive Region Proposal Network 和 Local Orthogonal Texture-aware Module 两个模块达到了更为准确的任意形状文本检测。

Apr, 2020

用 LOMO（即 Look More Than Once）方法解决了传统的场景文本检测方法中受限于 CNN 的感受野和简单的形状描述方法在处理长文本和任意形状文本时的不足，该方法包含直接回归器（DR）、迭代细化模块（IRM）和形状表达模块（SEM），最终的实验结果印证了 LOMO 方法的鲁棒性和有效性。

Apr, 2019

从实例感知的角度出发，我们提出了一种新的端到端场景文本检测器 IncepText，利用 Inception-Text 模块和可变形 PSROI 池化处理多方向文本区域，实现在 ICDAR2015，RCTW-17 和 MSRA-TD500 数据集上取得了最先进性能的结果，并将其作为 OCR 产品开源。

May, 2018