Pixel Aggregation Network (PAN)

1 网络结构

训练阶段，网络生成三个预测：

1. Text Region
2. Kenel
3. Similarity Vector

其中 1 和 2 为监督学习，3 为无监督学习（聚类）。

预测阶段，遵循以下步骤来使用相似度向量引导像素聚合到Kenel中

1. 得到多个 Kenel；
2. 对于每个 Kenel 的上下左右四个方向的像素，为 Text Region 内的每个像素找到与 Kenel 的欧式距离小于 $d$d （作者设置为 6 ）的像素并将其聚合；
3. 重复步骤 2 知道没有可用的像素。
   　　　　　　　

Kernel 是在 Text Region 里面的。

2 损失函数