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

这篇论文提出了一种使用单镜头卷积神经网络架构的场景文本检索方法，将基于文本的图像检索任务转换为查询文本表示的最近邻搜索，实现了对大规模图像数据库的快速处理，并在实验中表明该方法优于传统的方法。

Aug, 2018

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

该研究提出了一种简单有效的框架，可以同时处理文字检测和识别，其中利用了新颖的文本对齐层、字符空间信息作为显式监督和端到端可训练的模型。通过联合培训，该方法在两个数据集上实现了新的最先进检测性能和表现提高。

Mar, 2018

一项新的网络模型使用实例分割方法和注意力模型识别和提取曲线形状的文本内容，并使用多步光学字符识别引擎提高识别准确性，大幅度领先现有模型的准确性。

Aug, 2019

本文介绍了一种新的自上而下的场景文本检测流程，提出了一种新颖的级联卷积文本网络（CCTN），利用其将前一个基于字符的检测转化为直接的文本区域估计，避免了多个自下而上的后处理步骤，并展现了其强大的鲁棒性和判别能力。

Mar, 2016

该研究提出了一种统一的网络，同时定位和识别文本，通过使用卷积特征和 $2$D 注意力模型实现对任意形状文本的鲁棒定位和识别，避免了中间过程，取得了包括正常及不规则文本在内的多个标准数据集的最佳表现。

Jun, 2019

本文提出了一种基于分割的新型文本检测器 “SAST”，它采用了基于全卷积网络（FCN）的上下文关注多任务学习框架来学习各种几何属性，以重构文本区域的多边形表示，实验结果表明 SAST 在准确性方面达到了更好或可比较的表现。

Aug, 2019

本研究将文本检测和识别模块融合，并采用基于注意力机制的解码器，通过利用角色评分图来更好地关注字符中心点，实现了一种紧密耦合的单管道模型，扩展了开放式直线和曲线基准数据集的最新性能。

Jul, 2020