图像文本检测与识别
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 图像中文本检测 | 第10-13页 |
| 1.2.2 图像中文本识别 | 第13-14页 |
| 1.3 研究难点 | 第14-15页 |
| 1.4 本文主要工作 | 第15-16页 |
| 1.5 本文章节安排 | 第16-17页 |
| 第二章 基本理论及相关概念 | 第17-27页 |
| 2.1 深度学习兴起 | 第17页 |
| 2.2 传统机器学习的局限性 | 第17-18页 |
| 2.3 表示学习到深度学习 | 第18页 |
| 2.4 卷积神经网络 | 第18-23页 |
| 2.4.1 卷积神经网络概念 | 第18-20页 |
| 2.4.2 卷积神经网络的结构 | 第20-23页 |
| 2.5 经典的CNN网络 | 第23-26页 |
| 2.5.1 ALEXNET网络 | 第23-25页 |
| 2.5.2 LENET-5网络 | 第25-26页 |
| 2.6 深度学习的反思 | 第26-27页 |
| 第三章 图像中的文本检测 | 第27-49页 |
| 3.1 基于边缘的文本检测 | 第27-43页 |
| 3.1.1 边缘提取 | 第27-30页 |
| 3.1.2 形态学分析 | 第30-33页 |
| 3.1.3 启发式过滤 | 第33-34页 |
| 3.1.4 聚类 | 第34-36页 |
| 3.1.5 特征提取 | 第36-39页 |
| 3.1.6 SVM分类器 | 第39-41页 |
| 3.1.7 CNN分类器 | 第41-42页 |
| 3.1.8 两种分类器比较 | 第42-43页 |
| 3.2 基于MSER特征的字符检测 | 第43-44页 |
| 3.3 评估准则 | 第44-45页 |
| 3.4 实验结果分析 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第四章 图像中的文本识别 | 第49-57页 |
| 4.1 字符识别 | 第49-50页 |
| 4.1.1 模型结构 | 第49页 |
| 4.1.2 模型训练 | 第49-50页 |
| 4.1.3 结果分析 | 第50页 |
| 4.2 单词识别 | 第50-55页 |
| 4.2.1 数据准备 | 第51-52页 |
| 4.2.2 模型结构 | 第52-53页 |
| 4.2.3 实验测试及分析 | 第53-55页 |
| 4.3 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文 | 第67页 |
