本文提出了一种新型的 Connectionist Text Proposal Network，它能够准确地定位自然图像中的文本行，采用纵向锚点机制、卷积神经网络和循环神经网络，可以探索图像的丰富上下文信息，在 ICDAR 2013 和 2015 两个基准测试中实现了 0.88 和 0.61 的超高分数。

Sep, 2016

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

通过渐进式轮廓回归及轮廓变换器，我们提出了一种名为 CT-Net 的新型任意形状场景文本检测框架，以解决前端轮廓初始化不准确、多阶段误差累积或局部信息聚合不足的限制，并通过大量实验验证了其在准确性和效率方面超越了现有方法。

Jul, 2023

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

本文介绍了一种用于在图像中修改文本的方法，该方法使用两种不同的神经网络体系结构生成目标字符，以实现透明性、一致性和准确性，旨在通过在图像上直接编辑文本来纠正错误、恢复文本和提高图像可重用性。

Mar, 2019

MixNet 是一种综合 CNN 和 Transformer 优势的混合架构，能够准确地检测小文本，不受方向、风格和光照条件的影响。MixNet 通过 Feature Shuffle Network（FSNet）和 Central Transformer Block（CTBlock）两个关键模块实现，其中 FSNet 通过特征重排策略生成高分辨率特征，优于 ResNet 和 HRNet；CTBlock 基于中心线特征，在小文本紧密出现时优于基于轮廓的方法。大量实验证明，MixNet 在多个场景文本检测数据集上实现了最先进的结果。

Aug, 2023

提出了一种使用神经网络 2 来检测场景文本的新方法，在字符级别推断文本区域，采用新的关联表示法来估算字符背景。通过使用合成图像的给定字符级别注释和学习的中间模型获得的真实图像的估计字符级别地面真实性，也解决了缺少单独字符级别注释的问题，在 6 个基准测试上广泛的实验中，包括在自然图像中包含高度曲线文本，如 TotalText 和 CTW-1500 数据集，证明了我们的字符级文本检测比最先进的探测器显着优越。根据结果，我们的方法保证了在检测复杂的场景文本图像（如任意定向，曲线或变形文本）方面具有高度的灵活性。

Apr, 2019

本文探讨了虚假人脸图像的检测问题，并提出了一种名为 Gram-Net 的新架构，它利用全局图像纹理表示进行鲁棒的虚假图像检测。经过多组实验验证，Gram-Net 的效果明显优于现有方法，在检测虚假人脸方面表现出非常好的鲁棒性与泛化能力。

Feb, 2020

本文提出了全卷积的点聚集网络（PGNet）用于实时读取任意形状的文字，并且在减少 NMS 和 RoI 操作的同时，通过提出的 PG-CTC 损失对像素级别的字符分类图进行学习，避免使用字符级别注释。同时，通过建立字符与其相邻字符之间的联系，引入图形优化模块（GRM）以优化粗糙的识别并提高端到端性能。实验结果证明了所提出的方法具有竞争性的准确性，同时显著提高了运行速度。

Apr, 2021

介绍了一种新的自然图像中文本检测方法，它包括使用合成图像训练 Fully-Convolutional Regression Network (FCRN) 以高效执行所有位置和多个尺度的文本检测和边框回归，并且可以在 GPU 上处理 15 张图像 / 秒。

Apr, 2016