我计划从文档文本图像中检测文本，如下所示：

目标：

工作完成： 我试图用一些场景文本检测算法来解决这个问题，比如EAST Text detection和PixelLink。但它仅以如下方式单独检测每个单词的方式提供结果，这很明显：

什么方法可以帮助我检测 GOAL 中提到的文本块。

编辑 ：

我不想通过 OCR 提取所有文本。我想要的是根据它们的视觉位置排列来检测文本。在图像中看到，放置在一起的文本被检测为块。我的结果应该包含所有检测到的文本块的所有边界框坐标。