OCR经典pipeline的发展

Yolo+CRNN--->CTPN+CRNN--->SegLink+CRNN--->East+CRNN--->ABCnet(Bezier曲线文本检测+CRNN变体)

https://www.leiphone.com/news/202003/CwL9pKfavCd1v8uM.html

https://blog.csdn.net/francislucien2017/article/details/103299995 当前各组件的最佳选择

当前场景文字识别较为主流的两种方法

1. Attention mechanism（代表：Show, Attend and Read; Transformer-based attention; 各种各样的 2D Attention） ------在解码前给文字区域赋予较高的权重，聚焦于文本信息，弱化无关背景信息
2. Rectification mechanism（STN + CRNN / DenseNet + CTC）--------一开始就先修正曲形的文字得到水平规整的文字 再进行识别

基于语义分割的思想做文本检测：PSEnet,PANnet，DBnet
https://blog.csdn.net/u012483097/article/details/104671929

检测头问题：
1.由于文字的特殊性，导致通用的目标检测容易在文本中间识别文本行的子集
2. CTPN:适合水平方向的文本检测
3. SegLink适合水平和倾斜方向的文本检测。
4. East认为1和2这种先检测字符单元，再将检测到的单元合并成区域的做法无形降低检测效率。因此直接进行区域级的检测，适合于仿射透射等任意角度方向的文本区域检测。East是基于U-net的
5. ABCnet解决是弯曲文本检测性能差的问题，利用曲线拟合去找到文本区域，提取对应区域ROI。

文本检测的发展趋势：
0.识别头一致认可CRNN识别器
1.从检测水平文字到检测弯曲任意形状文本
2.从检测单元到聚合单元的检测方法到单阶段文本检测的变化
3.从需要字符单元级的标注训练到单词级的标注训练
4.真正的单阶段的检测+识别联合训练的端到端训练（Mask TextSpotter: An End to end trainable neural Network for spotting text with abitrary shapes）

工业上这种水平场景的文本检测，依然以CRNN为主，刷榜靠识别中引入attention

小任务：实现用CTPN+CRNN训练模型，用pytorch的C++前端部署。

当前ocr技术落地存在的问题

1.通用性不强，不能自定义，不同类型的样本需要不同的模型
2.需要大量的后处理来进行信息抽取，来文本结构化并以可用格式加载
3.仅在受限场景上表现较好：分辨率较高的含数字及英文的扫描文档

技术壁垒

1.倾斜文本
2.自然场景：未见过的字体等
3.手写字体，草书字体（完全粘连 没有字间距），字体大小
4.模糊/噪声图像：如8”和“ B”或“ A”和“ 4”
5.非英文（训练数据缺乏）