核心思想
提出单字分割以及单字间分割的方法，类似分割版本的seglink
提出如何利用char level合成数据得到真实数据的char box 标注的弱监督方法
标签构造
标签构造
char box以及box间的region
使用高斯map，为提高速度，使用一个正常的gaussian map(方的) ，计算其与char box之间的仿射变换，然后直接得到标注的gaussian map.
模型结构
模型结构
vgg_bn
采样至原图1/2
word标注生成char标注
- 弱监督学习过程
弱监督学习
- 如何得到切分好的char-box
CropBox
后处理
- 通过阈值筛选字符文本区域与字符间区域，然后通过通过阈值筛选字符文本区域与字符间区域，然后通过opencv 中连通方法得当外界轮廓
数据处理
- 正常的CROP, rotated, 随机尺度变换等
思考
方法依赖字符级别的标注
后处理依赖字符的分割以及字符间区域的分割。因此对于较大间隔文本的间隔无法准确分割，容易完成断裂
后处理依赖逐像素操作，因此速度较慢
