OCR学习（2）CTPN学习
CTPN（Connectionist Text Proposal Network）是一种文本检测算法（text detection），论文发表于2016年，是一种anchor-based算法，基于Faster-rcnn，是利用深度学习进行文本检测的经典算法之一，适用横向文本的检测。
论文阅读
论文原文：https://arxiv.org/pdf/1609.03605.pdf
1.网络结构：
首先利用VGG16（CNN）提取特征，选取conv5作为feature map。
之后在feature map上做滑动窗口，每个点都结合周围区域，得到33C的特征（C为特征图的个数）
之后将特征reshape后送入BLSTM（双向长短期记忆网络）
最后经过全连接层送入RPN网络得到text proposals的位置（对于每个预测中心点和宽度是确定的）和得分。
CTPN结束后通过文本线构造算法将proposals连接为文本框
2.Detecting Text in Fine-scale Proposals
VGG16是一种经典的CNN模型，用来提取空间特征，Ren提出可以在feature map上做sigle-scale的滑动窗口，利用RPN网络中大量的flexible anchors来检测多尺度的目标。
但是这是针对目标检测（object detectiong），目标一般有明确的边界，而文本不同，它由多个笔画和符号构成，很难区别不同的文字。
由于文本水平比竖直方向更难预测，它通过固定anchor的水平大小为16-pixel，只预测竖直方向的大小，来减少计算量，达到更高的准确性，这是CTPN对于Faster-rcnn的改变点之一。
并且在输入图片上的16像素，正好相当于conv5上的一个点。
anchor在竖直方向上为从11-273像素区间上分十挡，每档间为上一档的0.7倍，y轴相对坐标的计算公式如下：
2.Recurrent Connectionist Text Proposals
为了提高文本检测准确度，上文将文本分成很多小的proposals，但仅仅分析单独的proposal，显然缺乏鲁棒性和可靠性。文本信息的一个特点就是，它是具有上下文语境的，利用RNN对上下文信息进行编码，极大的促进了文本识别工作。于是在CNN层后加入了BLSTM（一种双向的RNN，双向可以兼顾上文和下文）。隐层H的更新计算公式为：
未完待续