动机
作者认为现在的解决文本检测的方法都是自下而上的建模方式，都是基于像素级、小组件，因此会对噪声比较敏感，且依赖于复杂的启发式后处理操作。
网络框架
网络处理步骤
1. 特征提取：图片送入“特征提取和增强”模块（CNN+FPN）拿到多层次融合的特征图 ，步长为4；
2. 水平建议生成模块：生成“水平文本框”。用“中心点热图”和“大小热图”预测水平文本框的中心点和大小；
3. 定向文本建议生成模块：对上一步生成的“水平文本框”的角点进行回归，生成定向文本框（倾斜的文本框）；
4. 任意形状文本轮廓生成网络：对上一步生成的“定向文本框”进行细化，生成任意形状的文本框。
水平文本建议生成模块
通过两个卷积模块对 进行卷积得到中心热图(center heatmap)和大小热图(size heatmap)。
定向文本建议生成模块
主要作用：对“水平边界框”的角点进行回归，生成“定向文本框”。
1. 沿着“水平边界框”的边界均匀采样个点 X。（训练时用的是 ground-truth 的水平文本框，测试时预测框）；
2. 使用 CLM(轮廓定位机制)来估计这些采样点（X）的新位置。
3. 角点生成模块 将每个文本框的角点计算为：。
表示角点的数量。
CLM
1. CLM 中有一个 CFE(轮廓特征提取器)，根据采样点X()从特征图
中获取采样点的特征
，
。（
叫做语义特征）
2. 考虑轮廓点的位置信息 ：计算为：
。
表示轮廓点的最左上角坐标。
3. +
生成 原始轮廓特征
。
4. 轮廓上有一些点时多余的，因此， 输入到 CIA 做一些特征强化，生成更具代表性的边界框特征
。
5. 送入 OPH（偏移预测头）生成角点的偏移量
。OPH 由3个 1x1 卷积组成，前两层有 Relu，滤波器数量分别为256，64，2。
6. 新的角点
注意：CLM 中的OPH 用来预测点的偏移，输入的是角点预测的就是角点的偏移，输入的是轮廓点预测的就是轮廓点的偏移。
CIA
主要作用：由得到
，丰富轮廓的特征表示。
流程：特征 一次走 9x9 的 CirConv(输出128维，有128个滤波器)--Relu--BN 和 7个CIA Unit(三种不同的空洞率：1，2，4。输出维度为
，
，N是点的数量，即
)，然后将四组特征进行 cat 得到特征 C，之后走一个 1x1 conv 和 maxpool 得到特征 P，最后特征 C 和 P 做一个 feature distributed 即可得到
。
CIA Unit
输入到 CIA Unit 的特征 被扩张循环卷积沿着闭合轮廓的点的循环行编码：生成特征
、
、
。N是轮廓点数量，
表示特征维度。
对于轮廓特征 ，由于轮廓点的冗余性和噪声，我们只使用
局部汇聚节点来收集沿着轮廓的的信息。轮廓的全局上下文，也可以看作是一个全局语义汇聚节点。
与局部汇聚节点的特征联级，形成聚合特征
其中， 表示最大池化操作，
表示特征收集操作，它是通过无参数策略实现的，例如自适应平均池化。
同理，从 中得到聚合特征
。
轮廓点和汇聚节点之间的相关性 可以表示为
表示第 i 个轮廓点和第 j 个汇聚节点之间的关系。因此，汇聚节点特征被分布到轮廓点，生成聚合特征
表示元素相加。
任意形状文本轮廓生成网络
主要作用： 对定向文本框进行细化。
1. 在定向文本框上初始化 个点（训练时：定向文本框是 ground-truth; 测试时：定向文本框是定向文本建议生成模块的结果）；
2. 使用 K 个 CLM 对 个初始点进行优化，使其贴近文本。
3. 可能有假正例，使用 RCLM（可靠的轮廓定位机制）对回归的点进行过滤。增加检查到的轮廓的置信度。
4. RCLM 输出：最终的轮廓点位置 以及轮廓置信度
。
RLCM
相较于 CLM，RCLM 中多了一个 CSM（轮廓评分机制）。
1. 与 CLM 相同，轮廓点输入 CFE(轮廓特征提取器)获取轮廓特征，
经过 CIA 得到
。
2. 送入 OPH 生成轮廓点新坐标
，同时送入 CSM 生成轮廓评分 S
表示轮廓评分网络，
是网络参数。在
中
1. 首先经过一个1x1 卷积（256个滤波器）得到特征表示
。
2. 用平均池化操作 和最大池化操
作生成全局特征表示
3. 最后，三个全连接层（隐藏尺寸为：512、256和2）和一个 softmax 层，生成文本/非文本的最终轮廓得分。
注意：前两个全连接层配备有 LeakyReLU-BN-Dropout