版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/PeaceInMind/article/details/78689049
FuseText是非常典型的一种工作模式。首先看下框架图，如果看了FPN和FCIS，就会一目了然。
它的架构主要依赖于FCIS,然后个人觉得加强的部分有两点：
1 加入了FPN的思想
2 在更高分辨率的feature map上进行分割。
另外从文字检测的结果上来看，在大量合成数据和Resnet101的加持下，取得了很好的性能，速度方面也能接受，4个FPS.
缺点方面，由于个人做了一段时间scene text的工作，就不负责任地评价下，很有可能不对。
1 文字检测的最终目的还是为了识别，但是不同于物体，文字的框如果定位不准那么识别基本上也不会准，比如911，只框住了91，那能识别对么。 Box regression的缺点在于它的复杂度很高，很多东西需要人工精心设计，比如anchor,损失函数等，所以基本上很难得到比较完美的框，特别是对整行文字进行regression，当然现在很多的其他方法都有这样的问题。整行地做回归是我最不看好的，虽然按照目前的评价标准没什么问题。可以看下图，也是论文放出来的图，有明显的框不全情况。如果用这种框去做识别，也许只能用word classifier这种方式。但是这种方式有明显的缺点，不能识别不在字典的单词，比如数字等。
