一、论文：
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、内容：
1.EAST：
1）端到端的检测方式
2）多层特征融合方式
2.Fots:
与EAST主要区别：
1）检测+识别端到端，识别提高检测
2）将特征融合方式改成了去卷积
3）将图像放大到2560，裁剪块512->640，宽不变高度随机0.8-1.2scale
4）用synth800k做预训练
3.RefineNet:
1）改了特征融合的方式
4.PixelLink:
1）基础网络用了VGG，收敛快
2）score map用了两个channel
3）预测周边是否是字，最后用opencv算法求最小外接矩形
4）后期规则过滤
三、总结
1）EAST这种端到端，先卷积再特征融合的直接回归方式预计会成为以后检测的主流。
2）改进的点，无非在前置网络和特征融合方式上，其他就是数据集的处理。
3）貌似这种方式已经突破不了发不了文章了。