github：https://github.com/whai362/PSENet
论文：https://arxiv.org/abs/1806.02559
主要思想：
网络主要学习，Sn，Sn-1，.......，S1， 其中Sn占文字区域100%， Sn-1占文字区域90%，...........S1占文字区域50%
标签可以利用clipper来实现（pip install pyclipper）
后期处理：先求联通区域，即很多个S1，再利用S1作为文字区域核在S2中进行膨胀，依次进行，最后到Sn
例如：当n=4，Sn的预测可以如下表示
F_score = slim.conv2d(F, 4, 1, activation_fn=tf.nn.sigmoid, normalizer_fn=None)
【自然场景文本检测】PSENet: Shape Robust Text Detection with Progressive Scale Expansion Network
原文：https://www.cnblogs.com/linyuanzhou/p/10199730.html