很簡單樸素卻抓住了問題本質(zhì)的思路。牢牢把握住用分割的方法來做文本檢測這一捷徑，并針對文本毗鄰時的單例分割做不好的問題，提出從文本中心開始，擴散到整個文本，分步完成預測的方法。
分割的思路難點在于如何把單例分割做好，WeText通過增加第三類（board類）來做，PixelLink通過預測點和點的連接關(guān)系做。其他方法：EAST等通過增加回歸來做，F(xiàn)STN 通過先進行Box-level的單例定位，然后再分割來做。
image.png
搭建FPN，然后把各個層的feature map融合成一個，后續(xù)接conv33后，接一系列11Conv層來實現(xiàn)各個階段的分割任務，每個階段分割的label都是shrink過的，shrink的程度逐漸變輕。
image.png
問題在于：需要調(diào)的參數(shù)可能比較多，數(shù)據(jù)集改變后，可能需要重新調(diào)參。應該沒有PixelLink魯棒。
