方法概述
该方法用一个端到端网络完成文字检测整个过程——除了基础卷积网络（backbone）外，包括两个并行分支和一个后处理。第一个分支是通过一个DSSD网络进行角点检测来提取候选文字区域，第二个分支是利用类似于RFCN进行网格划分的方式来做position-sensitive的segmentation。后处理是利用segmentation的score map的综合得分，过滤角点检测得到的候选区域中的噪声。
文章亮点：
（1）不是用一般的目标检测的框架，而是用角点检测（corner point detection）来做。（可以更好解决文字方向任意、文字长宽比很大的文本）
（2）分割用的是“position sensitive segmentation”，仿照RFCN划分网格的思路，把位置信息融合进去（对于检测单词这种细粒度的更有利）
（3）把检测+分割两大类的方法整合起来，进行综合打分的pipeline（可以使得检测精度更高）
主要流程
Figure 2. Overview of our method. Given an image, the network outputs corner points and segmentation maps by corner detection and position-sensitive segmentation. Then candidate boxes are generated by sampling and grouping corner points. Finally, those candidate boxes are scored by segmentation maps and suppressed by NMS.
（1）backbone：基础网络（DSSD），用来特征提取（不同分支特征共享）
（2）corner detection：用来生成候选检测框，是一个独立的检测模块，类似于RPN的功能
（3）Position Sensitive Segmentation：整张图逐像素的打分，和一般分割不同的是输出4个score map，分别对应左上、左下、右上、右下不同位置的得分
（4）Scoring + NMS：综合打分，利用（2）的框和（3）的score map再综合打分，去掉非文字框，最后再接一个NMS
网络结构
网络包含三个部分：基础网络（backbone）、角点检测和敏感位置分割。
Backbone改编于DSSD；Corner Point Detection建立在多个特征层（粉红色的块）上；Position Sensitive Segmentation与Corner Point Detection共享部分特征（粉红色块）。
实验结果
（1）深度学习框架：PyTorch
（2）实验条件：CPU: Intel(R) Xeon(R) CPU E5-2650 v3 @ 2.30GHz;
GPU: Nvidia Titan Pascal;
RAM: 64GB
所有表格中，*表示多尺度输入，†表示网络的基础模型不是VGG16
（3）
多尺度（512*512，768*768，768*1280，1280*1280）
ICDAR2015（倾斜文本）
ICDAR2013（水平文本）
MSRA-TD500（倾斜文本行）
MLT（多语言文本）
COCO-Text
