| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 自然场景文本检测的研究现状 | 第15-17页 |
| 1.2.2 自然场景文本识别的研究现状 | 第17-18页 |
| 1.3 论文内容及章节安排 | 第18-20页 |
| 第二章 基于多通道多尺度与由粗到细级联过滤的自然场景文本检测 | 第20-42页 |
| 2.1 引言 | 第20页 |
| 2.2 基于多通道多尺度的字符候选区域提取 | 第20-23页 |
| 2.2.1 MSER的简单介绍 | 第20-21页 |
| 2.2.2 基于低 ΔMSER的字符候选区域提取 | 第21-22页 |
| 2.2.3 基于多通道MSER的字符候选区域提取 | 第22页 |
| 2.2.4 基于多尺度MSER的字符候选区域提取 | 第22-23页 |
| 2.3 基于形态学的粗过滤 | 第23-25页 |
| 2.3.1 基于简单形态学特征的粗过滤 | 第23-24页 |
| 2.3.2 基于笔画宽度及其变异系数的粗过滤 | 第24-25页 |
| 2.3.3 重复字符候选区域去除 | 第25页 |
| 2.4 基于CNN的细过滤 | 第25-30页 |
| 2.4.1 卷积神经网络的简单介绍 | 第26-28页 |
| 2.4.2 二分类卷积神经网络模型 | 第28-29页 |
| 2.4.3 训练数据集的合成 | 第29页 |
| 2.4.4 模型训练与框架 | 第29-30页 |
| 2.4.5 字符候选区域细过滤 | 第30页 |
| 2.5 字符串合成及过滤 | 第30-32页 |
| 2.5.1 水平方向字符串合成及过滤 | 第30-31页 |
| 2.5.2 多方向字符串合成及过滤 | 第31-32页 |
| 2.6 实验结果与分析 | 第32-39页 |
| 2.6.1 数据库介绍 | 第32-33页 |
| 2.6.2 定位结果评价标准 | 第33-34页 |
| 2.6.3 实验结果与分析 | 第34-39页 |
| 2.7 本章小结 | 第39-42页 |
| 第三章 基于上下文内容的隐分割自然场景文本识别 | 第42-54页 |
| 3.1 引言 | 第42页 |
| 3.2 循环神经网络简介 | 第42-43页 |
| 3.3 文本识别模型 | 第43-48页 |
| 3.3.1 输入图像预处理 | 第44页 |
| 3.3.2 基于CNN的序列特征提取 | 第44-45页 |
| 3.3.3 基于双向LSTM对上下文信息的处理 | 第45-46页 |
| 3.3.4 基于CTC的转录 | 第46-47页 |
| 3.3.5 模型训练与框架 | 第47-48页 |
| 3.4 文本识别 | 第48页 |
| 3.4.1 普通剪切图片文本识别 | 第48页 |
| 3.4.2 基于倾斜矫正的端对端自然场景文本检测与识别 | 第48页 |
| 3.5 实验结果与分析 | 第48-53页 |
| 3.5.1 数据库介绍 | 第48-49页 |
| 3.5.2 文本识别结果评价标准 | 第49页 |
| 3.5.3 实验结果与分析 | 第49-53页 |
| 3.6 本章小结 | 第53-54页 |
| 第四章 总结与展望 | 第54-56页 |
| 4.1 总结 | 第54-55页 |
| 4.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 作者简介 | 第62-63页 |