本文提出了一种基于 Feature Pyramid Network 和实例分割的模型，准确定位文本区域的同时抑制了虚警，实验结果表明该模型在场景文本检测方面表现优于现有方法。

Nov, 2018

本文提出了一种新的多方位场景文本检测的模型，将多级特征融合到特征提取中，将文本实例一起检测和分割，该方法有效地结合了语义分割和基于区域提议的目标检测任务，实现了在多方位场景文本检测基准测试 ICDAR2015 Incidental Scene Text 和 MSRA-TD500 上的超越，达到了分别 84.1% 和 82.0% 的 Hmean 值。

Sep, 2017

我们提出了一种多语言文本检测模型，通过引入 SFM Swin Transformer 特征提取网络、AS-HRFPN 特征融合网络和全局语义分割分支，改进了对自然场景中多语言文本的检测准确性和难度，实验结果表明该算法 F-measure 值为 85.02%，比基准模型高出 4.71%。

Dec, 2023

该论文提出了一种名为 Pixel-Anchor 的新型神经网络框架，它通过特征共享和锚点级别的注意机制结合了语义分割和 SSD 来检测方向场景文本，并在公共数据集上取得了优异的文本定位准确度和运行速度。

Nov, 2018

本文提出了一种经过改进的场景文本检测器，它包含一个新颖的特征增强网络（FEN）和适应性加权的定位敏感 RoI 池层，以提高对小型场景文本的检测精度，同时，也提出了一种有效的样本平衡策略来训练我们的网络，并在 ICDAR 2011 和 2013 鲁棒文本检测基准测试中得到了最先进的结果。

Nov, 2017

本文提出了一种高效准确的任意形状文本检测器 Pixel Aggregation Network (PAN)，它配备了低计算成本的分割头和可学习的后处理，其中分割头由 Feature Pyramid Enhancement Module (FPEM) 和 Feature Fusion Module (FFM) 组成。通过预测相似向量准确地聚合文本像素的像素聚合 (PA) 实现可学习后处理。同时，该方法在几个标准基准测试中取得了优异的表现。

Aug, 2019

本文提出了一种简单而有效的基于变压器的场景文本检测模型，该模型通过选取几个代表性特征进行文本检测，借助变压器模型建模其特征之间的关系，实现将文本实例划分为合理的组，并轻易地获得其边界框，从而在多个数据集上取得了最新的成果。

Mar, 2022

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

该论文提出了一种基于分割的场景文本检测方法，结合差分二值化和自适应尺度融合模块，显著提升了文本检测的准确度和速度。

Feb, 2022

本研究提出了一种用于场景文本检测的新算法，其中提出了一组策略来显着提高文本定位的质量。具体而言，提出了一种文本特征对齐模块（TFAM），用于根据初始原始检测动态调整特征的感受域；设计了一种位置感知非极大值抑制模块（PA-NMS）来选择性地集中于可靠的原始检测，排除不可靠的检测，此外还提出了一种实例 IoU 损失来平衡针对不同比例的文本实例的训练。通过广泛的消融研究，证明了所提出策略的有效性和优越性。最终，将这些策略与业内领先的场景文本检测器 EAST 集成，实现了在保持快速运行速度的同时，达到了各种标准文本检测基准上的最新或有竞争力的性能。

Apr, 2021