基于像素分割的场景文本检测

基于像素分割的场景文本检测是一种利用深度学习技术实现的文本检测方法。它的主要思想是将文本检测任务转化为像素级别的分割任务，通过在图像的每个像素点上预测是否为文本像素，从而实现文本检测。

具体地说，像素分割的场景文本检测主要分为两个步骤：首先是利用深度学习模型对图像进行像素级别的分割，得到每个像素点是否为文本像素的概率；然后是根据分割结果对文本进行定位和识别。

在第一步中，常用的深度学习模型包括基于卷积神经网络（CNN）的模型和基于全卷积神经网络（FCN）的模型。其中，FCN是一种专门用于像素级别分割的神经网络模型，可以实现端到端的像素级别分割，因此在场景文本检测中得到了广泛应用。

在第二步中，常用的方法包括基于连通域的文本定位方法和基于文本行的文本定位方法。基于连通域的方法通过对分割结果进行连通域分析，找到文本的连通域并对其进行合并和筛选，从而实现文本的定位和识别。而基于文本行的方法则是利用分割结果中相邻的文本像素点构成文本行，从而实现文本的定位和识别。

总的来说，基于像素分割的场景文本检测方法具有准确率高、鲁棒性强等优点，已成为当前场景文本检测领域的主流方法之一。