时间6月30号-7月1号，在确定了小组的任务后，我们开始了各自的任务，由于我现在的任务是查找训练好的有关文字检测的机器学习模型，因此我决定先学习一下有关的知识，比如卷积神经网络CNN等。

一.CNN

       卷积神经网络与普通神经网络非常相似，它们都由具有可学习的权重和偏置常量(biases)的神经元组成。每个神经元都接收一些输入，并做一些点积计算，输出是每个分类的分数，普通神经网络里的一些计算技巧到这里依旧适用。卷积神经网络通常包含以下几种层：

• 卷积层:卷积神经网路中每层卷积层由若干卷积单元组成，每个卷积单元的参数都是通过反向传播算法优化得到的。卷积运算的目的是提取输入的不同特征，第一层卷积层可能只能提取一些低级的特征如边缘、线条和角等层级，更多层的网络能从低级特征中迭代提取更复杂的特征。
• 线性整流层:这一层神经的活性化函数使用线性整流。
• 池化层:通常在卷积层之后会得到维度很大的特征，将特征切成几个区域，取其最大值或平均值，得到新的、维度较小的特征。
• 全连接层: 把所有局部特征结合变成全局特征，用来计算最后每一类的得分。

参考的学习视频：https://www.bilibili.com/video/BV1EX4y1V7vA?p=1&share_medium=android&share_plat=android&share_source=QQ&share_tag=s_i&timestamp=1625193171&unique_k=CTTeMh

并且查找了有关文字识别的例子：https://zhuanlan.zhihu.com/p/43534801

二.CTPN

       CTPN是在ECCV 2016提出的一种文字检测算法。CTPN结合CNN与LSTM深度网络，能有效的检测出复杂场景的横向分布的文字。

CTPN整个检测分六步：  

第一，首先，使用VGG16作为base net提取特征，得到conv5_3的特征作为feature map，大小是W×H×C； 
第二，然后在这个feature map上做滑窗，窗口大小是3×3。也就是每个窗口都能得到一个长度为3×3×C的特征向量。这个特征向量将用来预测和10个anchor之间的偏移距离，也就是说每一个窗口中心都会预测出10个text propsoal。 
第三，将每一行的所有窗口对应的3*3*C的特征（W*3*3*C）输入到RNN（BLSTM）中，得到W*256的输出； 
第四，将RNN的W*256输入到512维的fc层； 
第五，fc层特征输入到三个分类或者回归层中。  
第六，这时会得到密集预测的text proposal，所以会使用一个标准的非极大值抑制算法来滤除多余的box。

第七，用简单的文本线构造算法，把分类得到的文字的proposal合并成文本线。

简单了解后我查看并尝试运行了它的代码：https://github.com/tianzhi0549/CTPN