| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 场景文字序列识别的困难 | 第12-14页 |
| 1.2.2 国内外研究现状 | 第14-15页 |
| 1.2.3 深度学习研究现状 | 第15-16页 |
| 1.3 主要工作和结构安排 | 第16-18页 |
| 第二章 场景文字序列识别技术基础 | 第18-36页 |
| 2.1 三种主流场景文本序列识别技术 | 第18-24页 |
| 2.1.1 基于传统方法的场景文本序列识别 | 第18-20页 |
| 2.1.2 基于CTC的场景文本序列识别 | 第20-22页 |
| 2.1.3 基于注意力的场景文字序列识别 | 第22-24页 |
| 2.2 神经网络的相关理论 | 第24-34页 |
| 2.2.1 卷积神经网络(CNN,Convolutional Neural Network) | 第24-27页 |
| 2.2.2 循环神经网络(RNN,Recurrent Neural Network) | 第27-30页 |
| 2.2.3 连续时序分类算法(Connectionist Temporal Classification) | 第30-34页 |
| 2.3 本章小结 | 第34-36页 |
| 第三章 基于堆叠卷积神经网络的识别方法 | 第36-50页 |
| 3.1 网络模型的设计 | 第37-44页 |
| 3.1.1 模型的整体结构 | 第37-38页 |
| 3.1.2 基于ResNet的场景文字图片特征提取网络 | 第38-41页 |
| 3.1.3 基础模块 | 第41-42页 |
| 3.1.4 多步注意力机制 | 第42-43页 |
| 3.1.5 归一化和初始化策略 | 第43-44页 |
| 3.2 实验结果与分析 | 第44-49页 |
| 3.2.1 数据集 | 第44页 |
| 3.2.2 实验的细节 | 第44-45页 |
| 3.2.3 基于堆叠卷积的文字序列识别模型与其它识别模型的比较 | 第45-46页 |
| 3.2.4 不同类型卷积层对于识别模型识别率的影响 | 第46-47页 |
| 3.2.5 不同编解码层数对于识别准确率的影响 | 第47页 |
| 3.2.6 多步注意力机制的可视化 | 第47-48页 |
| 3.2.7 部分识别结果展示 | 第48-49页 |
| 3.3 本章小结 | 第49-50页 |
| 第四章 先验注意力优化与并行化测试 | 第50-60页 |
| 4.1 先验注意力 | 第50-52页 |
| 4.1.1 场景文字序列识别中注意力的分布 | 第50-51页 |
| 4.1.2 两种先验注意力 | 第51-52页 |
| 4.2 并行化测试 | 第52-55页 |
| 4.2.1 开始符SOS的启发 | 第53页 |
| 4.2.2 位置嵌入(Position Embedding) | 第53页 |
| 4.2.3 一种可并行化测试的场景文字序列识别框架 | 第53-55页 |
| 4.3 实验结果与分析 | 第55-58页 |
| 4.3.1 不同注意力机制识别效果的对比 | 第55-56页 |
| 4.3.2 不同注意力机制在小数据集上的表现效果 | 第56-57页 |
| 4.3.3 不同注意力机制收敛的比较 | 第57页 |
| 4.3.4 并行化测试框架中关键参数实验分析 | 第57-58页 |
| 4.3.5 不同框架在测试速度的比较 | 第58页 |
| 4.4 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 总结 | 第60-61页 |
| 5.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间取得的研究成果 | 第70页 |
