年轻人起来冲

基于 YOLOv 5 提出的更适合工业场景的目标检测模型，主要改进是使用 anchor-free，使用类别、定位一致的检测头

本文介绍两个文本检测模型： DB 及它的升级版本 DB++，主要的原理就是将 “二值化” 的过程做成网络可学习、可微分的一个模块，然后向网络中插入这个模块自适应去学习二值化阈值，最终预测文字区域的一个核心部分，然后再通过公式放大这个核心部分，得到目标区域

本文总结自己目前对 OCR 的认识，和学习过程

传统的文本识别算法是 CNN+RNN，但是由于 LSTM 的效率较低，很多移动设备对 LSTM 的加速效果并不好，所以在实际的应用场景中也存在诸多限制，SVTR 利用 swin transformer 替代构建局部和全局混合块，提取多尺度的特征，使得不需要 RNN 去构建序列依赖也能实现更好的效果

本文是 OCR 的样本生成模型，包括风格迁移模块、前景文字去除模块及融合模块，其中风格迁移模块目地是将文本按照目标风格渲染出来，前景文字去除模块用于去掉目标图片上的文字，融合模块用于融合目标文本和目标背景

属于 EAST 的演进版本，还是类似 anchor-free 的方式预测文本行，除了输出 grid 的 score + 边框预测外，还输出更多的文本实例信息，比如 grid 到实例矩形四角、中心点、四边的距离，使得 SAST 可以检测弯曲文本行、中间有间隔的文本行

onnxruntime 运行原理及步骤

第一个端到端解决文本识别的模型，相比较两阶段的文本定位方法，它的检测速度更快，基本思路是通过文本检测分支实现文本行区域的提取，然后通过 RoIRotate 模块实现文本行的 “摆正”，最后使用 CRNN+CTC 的模式实现文本行的字符识别

本文研究为什么残差网络 ResNet 可以构建深层网络的原因，提出残差网络不同于以前 “串式” 网络结构的视觉模型，其分层提取特征的概念不在 ResNet 中体现，因为：(1) 删除任意一层，对效果影响不大：比较 VGG 删除任意一层和 ResNet 删除任意一层，ResNet 仅删除下采样模块性能变差明显，说明残差网络层之间不是相互依赖的；(2) 随机删除 ResNet 的任意数量模块：性能平滑变差，说明残差网络的层表现出整体现象；(3) 随机打乱残差网络的层顺序：性能平滑变差，说明残差网络可以在运行时配置网络；（4）梯度贡献在短路径上：在训练期间贡献梯度通过网络的路径比预期的要短。事实上，训练期间不需要深路径，因为它们不提供任何梯度