论文地址：Real-time Scene Text Detection with Differentiable Binarization
Github：https://github.com/MhLiao/DB（代码结构很复杂）
Structure
DB(Differentiable Binarization)是一个轻量级的、基于分割的场景文本检测(Scene Text Detection, STD)模型。该模型的原理简洁易懂，在本文中就简单介绍一下。
上图展示了DB的模型结构。前半部分是常见的32倍下采样+8倍上采样+特征融合，以及参考FPN采用了后四层反卷积的输出concat到一起进行预测。图中的pred是3×3卷积，输出两张map分别用来表示概率和阈值。使用阈值map对概率map进行二值化后，就将输出结果分为了前景（文本域）和背景。
这个自适应阈值能把分布比较密集的文本域给隔开，避免混淆成一个文本域。
值得一提的是阈值map只在训练的时候使用，在测试时仅使用固定阈值。估计在测试时使用DB并不能得到比较有效的提升，出于运算量的考虑决定去掉这部分。
Loss
损失函数分为三部分：概率图损失，阈值损失，二值图损失。其中概率图和二值图都使用交叉熵损失函数，而阈值损失使用的是L1损失函数。