基于分割是算法基于分割的文本检测算法通常是从图片的像素本身入手通过对图片进行像素级别的语义分割来检测文本区域的位置。

这些算法通常采用深度学习模型，如卷积神经网络（CNN）、全卷积神经网络（FCN）和语义分割网络（SegNet）。首先，模型会学习文本区域的特征，如边缘、颜色、纹理等，然后将这些特征映射到像素级别的语义分割图中，其中文本区域被标记为前景，而背景则被标记为背景。最后，通过对语义分割图进行后处理，如二值化、连通性分析等，可以得到文本区域的位置和边界框。

基于分割的文本检测算法具有较高的准确率和鲁棒性，可以检测各种复杂的文本场景，如多行文本、旋转文本和遮挡文本等。但是，由于算法需要对整个图像进行像素级别的处理，因此计算量较大，速度较慢，不适合实时应用。