受神经架构搜索（NAS）的成功启发，第四范式提出了自动 STR（AutoSTR）来搜索数据相关的主干网络，以提高文本识别性能。首先，该工作为 STR 设计了一个特定领域的搜索空间，既包含了操作上的选择，也包含了对下采样路径的约束。通过一个两步搜索算法将操作和下采样路径分离，以在给定的空间内进行有效的搜索。实验表明，通过搜索数据相关的主干网络，AutoSTR 可以在标准基准测试中优于其他 SOTA 方法。本文已被ECCV 2020会议收录。