在没有边界框过程的所有开销的情况下，是否可以使用任何文本检测机制来检测文本？

边界框是进行所有检测处理的结果，因此表示该过程的本质部分。如果您不在乎文本的位置，则可以随意忽略自己代码中的边界框。但是为了检测图像中是否有文本，算法（无论哪种类型）都必须检测文本中的文本。

如果您不关心结果，则链接文章中使用的DNN方法可能会过大。您总是可以尝试其他一些text detection algorithms并尝试对其进行概要分析，从而为您的应用程序找到计算成本更低的解决方案。永远会有权衡。

  

OpenCV使用神经网络来检测文本，该文本是.PB文件。我需要加载它才能使用nn。有什么办法可以将此文件嵌入.py文件中？这样可以避免有两个文件。其背后的想法是能够导入.py文件并将其用作库，而无需考虑.pb文件（这是检测文本的模型）。

是的，您可以将模型redux文件的内容作为buffer object直接嵌入到Python代码中，然后使用alternate model loading mechanism从缓冲区读取模型：

.pb

您可以使用Unix retval = cv.dnn.readNetFromTensorflow(bufferModel[,bufferConfig]) 命令将二进制文件转换为十六进制序列：

hexdump

产生如下输出：

hexdump -e '"    " 8/1 "0x%02x," "\n"' your_training.pb

，然后将其粘贴到您的源文件中，并用以下符号包裹：

0x0a,0x35,0x0a,0x62,0x61,0x74,0x63,0x68,0x5f,0x73,0x69,0x7a,0x65,0x12,0x0b,

然后您可以将其传递给OpenCV：

bufferModel = bytearray([
    0x0a,# ...
])