一、論文：
1.EAST——EAST: An Efficient and Accurate Scene Text Detector
2.Fots——FOTS: Fast Oriented Text Spotting with a Unified Network
3.RefineNet——RefineNet: Multi-Path Refinement Networks for High-Resolution Semantic Segmentation
4..PixelLink——PixelLink: Detecting Scene Text via Instance Segmentation
二、內容：
1.EAST：
1）端到端的檢測方式
2）多層特征融合方式
2.Fots:
與EAST主要區別：
1）檢測+識別端到端，識別提高檢測
2）將特征融合方式改成了去卷積
3）將圖像放大到2560，裁剪塊512->640，寬不變高度隨機0.8-1.2scale
4）用synth800k做預訓練
3.RefineNet:
1）改了特征融合的方式
4.PixelLink:
1）基礎網絡用了VGG，收斂快
2）score map用了兩個channel
3）預測周邊是否是字，最后用opencv算法求最小外接矩形
4）后期規則過濾
三、總結
1）EAST這種端到端，先卷積再特征融合的直接回歸方式預計會成為以后檢測的主流。
2）改進的點，無非在前置網絡和特征融合方式上，其他就是數據集的處理。
3）貌似這種方式已經突破不了發不了文章了。