| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 场景文字识别的困难 | 第16-18页 |
| 1.2.2 国内外研究现状 | 第18-19页 |
| 1.2.3 深度学习研究现状 | 第19-20页 |
| 1.3 本文的主要工作与结构安排 | 第20-23页 |
| 第二章 基于深度学习的场景文本识别基础和理论 | 第23-43页 |
| 2.1 场景文本识别技术基础 | 第23-27页 |
| 2.1.1 基于传统方法的场景文本识别 | 第23-25页 |
| 2.1.2 基于CNN的场景文本识别 | 第25-26页 |
| 2.1.3 基于RNN的场景文本识别 | 第26-27页 |
| 2.2 深度学习相关理论 | 第27-42页 |
| 2.2.1 卷积神经网络 | 第27-34页 |
| 2.2.2 递归神经网络 | 第34-37页 |
| 2.2.3 连续时序分类 | 第37-42页 |
| 2.3 本章小结 | 第42-43页 |
| 第三章 基于Encoder-Decoder框架的场景文本识别 | 第43-65页 |
| 3.1 网络模型设计 | 第43-54页 |
| 3.1.1 网络模型整体结构 | 第43-44页 |
| 3.1.2 基于可变形卷积的深度特征提取网络 | 第44-50页 |
| 3.1.3 基于改进型注意力机制的解码网络 | 第50-53页 |
| 3.1.4 基于语言模型的集束搜索后处理 | 第53-54页 |
| 3.2 自然场景复杂文本图像数据的增广方法 | 第54-59页 |
| 3.2.1 概述 | 第54页 |
| 3.2.2 改进的样本合成的方法 | 第54-59页 |
| 3.3 实验结果与分析 | 第59-64页 |
| 3.3.1 实验环境 | 第59页 |
| 3.3.2 识别度量准则 | 第59-60页 |
| 3.3.3 变形卷积层数对模型识别率的影响 | 第60-61页 |
| 3.3.4 不同卷积层对识别模型识别率的影响 | 第61页 |
| 3.3.5 改进型注意力机制与标准注意力机制对比 | 第61-62页 |
| 3.3.6 基于语言模型的集束搜索后处理试验结果 | 第62-63页 |
| 3.3.7 本文识别模型与其他识别模型的识别结果对比 | 第63-64页 |
| 3.4 本章小结 | 第64-65页 |
| 第四章 基于二维递归网络的场景文本识别 | 第65-75页 |
| 4.1 基于二维递归网络的编码解码网络 | 第66-70页 |
| 4.1.1 多维递归网络基础 | 第66-67页 |
| 4.1.2 二维递归网络模型设计 | 第67-69页 |
| 4.1.3 基于二维递归网络编码解码网络 | 第69-70页 |
| 4.2 基于二维递归网络的场景文本识别 | 第70-71页 |
| 4.3 实验结果与分析 | 第71-74页 |
| 4.3.1 二维递归网络结构与一维递归网络结构的识别对比 | 第71-73页 |
| 4.3.2 本文方法与其他基于二维递归网络模型识别方法的对比 | 第73-74页 |
| 4.4 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 总结 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-83页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 附件 | 第85页 |
