首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--文字信息处理论文

自然场景中的文本检测研究

摘要第5-6页
abstract第6页
第一章 绪论第9-15页
    1.1 研究工作的背景与意义第9-10页
    1.2 自然场景文本检测技术发展现状第10-13页
    1.3 本文的主要贡献与创新第13页
    1.4 本论文的结构安排第13-15页
第二章 自然场景文本图片合成第15-36页
    2.1 人工标注数据集介绍第15-19页
        2.1.1 SVT数据集第15-16页
        2.1.2 ICDAR数据集第16-17页
        2.1.3 COCO-Text数据集第17-18页
        2.1.4 人工标注数据集的局限第18-19页
    2.2 合成数据第19-22页
        2.2.1 合成数据的发展第20-21页
        2.2.2 合成数据的局限第21-22页
    2.3 数据合成算法研究第22-34页
        2.3.1 图像分割信息第22-25页
        2.3.2 图像深度信息第25-29页
        2.3.3 合成算法实现第29-34页
    2.4 合成算法的缺陷第34-35页
    2.5 本章小结第35-36页
第三章 基于深度卷积神经网络的文本检测算法第36-57页
    3.1 特征提取算法第36-41页
        3.1.1 FPN第36-38页
        3.1.2 RoIAlign第38-41页
    3.2 RPN候选区域检测算法第41-46页
        3.2.1 基于FPN的RPN网络结构第42-43页
        3.2.2 RPN网络损失函数第43-46页
    3.3 基于MaskR-CNN的自然场景中的文本目标检测第46-55页
        3.3.1 MaskR-CNN系统结构第46-48页
        3.3.2 分类与定位分支实现第48-49页
        3.3.3 Mask分支实现第49-52页
        3.3.4 模型训练与检测流程第52-55页
    3.4 实验结果第55-56页
    3.5 本章小结第56-57页
第四章 自然场景中的文本检测算法实验与评价第57-70页
    4.1 自然场景中的文本检测评价方法第57-60页
    4.2 实验实现细节第60-66页
        4.2.1 模型训练参数选择第60-62页
        4.2.2 训练数据及标注方式第62-66页
    4.3 算法对比评价第66-68页
    4.4 算法在车牌检测中的应用第68-69页
    4.5 本章小结第69-70页
第五章 全文总结与展望第70-72页
    5.1 全文总结第70-71页
    5.2 后续工作展望第71-72页
致谢第72-73页
参考文献第73-80页
攻读硕士学位期间取得的成果第80页

论文共80页,点击 下载论文
上一篇:车联网系统中OFDM同步与信道估计技术研究
下一篇:基于全景拼接的视频防抖算法设计