本文提出了金字塔掩模文本检测器（PMTD）。首先将文本的形状和位置信息编码到监督训练中，为每一个文本实例预测一个软文本掩模，缓解文本边界区域的一些背景干扰。然后通过平面聚类算法从预测的软文本掩模中找到最合适的金字塔掩模，构建最终的文本行，提升对于不准确的边界框预测的鲁棒性。

针对于场景图像中任意形状的文本实例，本文提出了一种灵活的表示方法（TextSnake）：以对称轴为中心的有向重叠圆盘序列，每个圆盘都有各自的几何属性（半径与方向）。基于这种表示方法的文本检测器在弯曲文本数据集（TotalText和CTW-1500）上获得了较好的结果。

本文提出了一种字符级别的文本检测方法（CRAFT）。以自下而上的方式，首先定位单个字符区域，然后利用字符间的关系将检测到的字符连接成文本实例。为了克服真实图像（ICDARs数据集）中字符级别标注缺少的情况，提出了一种弱监督学习方法来估计字符级别的GT值，最后利用合成图像中字符级别的标注与上述GT值同时进行训练，在其它任意形状的文本数据集（TotalText和CTW-1500）上表现出了很强的泛化能力（没有fine-tune）。由于卷积滤波器只关注于字内与字间，即使使用较小的感受野，也足够检测长文本。

为了解决长文本和任意形状（弯曲、波浪、多方向）文本检测的问题，本文提出了一种文本检测方法LOMO（Look More than Once）。LOMO由DR（direct regression）、IRM（iterative refinement module）和SEM（shape expression module）三个模块组成。DR直接生成四边形的文本提议。IRM迭代式的调整由DR生成的提议，用于解决长文本检测的问题。SEM回归文本区域、文本中心线和边界偏移三种类型的几何性质来重建不规则文本的精确表示，用于解决任意形状文本检测的问题。LOMO可以一种end-to-end的方式训练，同时在多语言的文本检测上也获得了较好的结果。

机器学习与深度学习常见问题总结（下）

本文提出了一个渐进式尺度扩张网络（PSENet）。它对于每一个文本实例生成不同尺度的核，然后逐渐的扩张检测区域从最小尺度的核到更大的直至完整的文本实例，这种方法不仅可以检测任意形状的文本实例，而且能够很容易的将紧邻的文本实例分开。

机器学习与深度学习常见问题总结（上）

Linux常用命令大全

一个单位时间任务是恰好需要一个单位时间完成的任务。给定一个单位时间任务的有限集 S 。关于S 的一个时间表用于描述S 中单位时间任务的执行次序。时间表中第 1 个任务从时间 0 开始执行直至时间 1 结束，第 2 个任务从时间 1 开始执行至时间 2 结束，…，第n个任务从时间 n-1 开始执行直至时间 n 结束。具有截止时间和误时惩罚的单位时间任务时间表问题可描述如下：(1) n 个单位时间任务的集合 S = {1,2,…,n}（n ≤ 500）；(2) 任务i的截止时间 d[i], 1 ≤ i ≤ n, 1 ≤ d[i] ≤ n，即要求任务 i 在时间 d[i] 之前结束；(3) 任务 i 的误时惩罚 1 ≤ w[i] ≤ 1000, 1 ≤ i ≤ n, 即任务 i 未在时间 d[i] 之前结束将招致 w[i] 的惩罚；若按时完成则无惩罚。任务时间表问题要求确定 S 的一个时间表（最优时间表）使得总误时惩罚达到最小。

在一个果园里，多多已经将所有的果子打了下来，而且按果子的不同种类分成了不同的堆。多多决定把所有的果子合成一堆。每一次合并，多多可以把两堆果子合并到一起，消耗的体力等于两堆果子的重量之和。可以看出，所有的果子经过n-1次合并之后，就只剩下一堆了。多多在合并果子时总共消耗的体力等于每次合并所耗体力之和。因为还要花大力气把这些果子搬回家，所以多多在合并果子时要尽可能地节省体力。假定每个果子重量都为1，并且已知果子的种类数和每种果子的数目，你的任务是设计出合并的次序方案，使多多耗费的体力最少，并输出这个最小的体力耗费值。