CVPR 2018
Introduction这个模型是作者针对基于STN的不规则文本识别算法难以训练，需要人工标记的缺点，来提出的一种全新的对任意方向文本进行识别的算法。
Model
整体架构
整个模型分为三个部分，BCNN基本CNN层用来对input image提取出feature map，AON+FG是本算法的核心，基本思路是将文本方向分为Left2Right，Right2Left，Bottom2Top，Top2Bottom，对这四个方向提取四个sequence vector和一个权重向量，在FG层将四个sequence和权重进行组合形成最终的sequence，然后输入带有Attention机制的Decoder从而输出最终文本。
2.1 BCNN
输入输出是square feature maps
2.2 AON+FG
AON分为三个子网络horizontal network（HN），vertical network（VN），character placement clue network（CN）分别输出水平的两个向量，垂直的两个向量，和权重向量
FG里根据公式9,10来计算最终的向量h
Illustration
照片围绕四个权重向量，颜色越深表示该方向为文本排列的方向
经过AON+FG处理后对文本排列方向的表示。
