基于深度学习的自然场景文字检测与识别方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第16-34页 |
| 1.1 选题背景 | 第16-20页 |
| 1.2 研究内容和意义 | 第20-22页 |
| 1.3 研究现状 | 第22-31页 |
| 1.3.1 场景文字检测 | 第22-25页 |
| 1.3.2 场景文字识别 | 第25-27页 |
| 1.3.3 语种识别 | 第27-28页 |
| 1.3.4 相关数据集 | 第28-29页 |
| 1.3.5 业界产品 | 第29-31页 |
| 1.3.6 研究现状总结 | 第31页 |
| 1.4 主要贡献 | 第31-32页 |
| 1.5 结构安排 | 第32-34页 |
| 第二章 场景文字检测 | 第34-53页 |
| 2.1 引言 | 第34-36页 |
| 2.2 相关工作 | 第36-37页 |
| 2.2.1 场景文字检测 | 第36-37页 |
| 2.2.2 物体检测 | 第37页 |
| 2.3 片段链接 | 第37-43页 |
| 2.3.1 网络模型 | 第37-38页 |
| 2.3.2 片段检测 | 第38-39页 |
| 2.3.3 同层链接检测 | 第39-41页 |
| 2.3.4 跨层链接检测 | 第41页 |
| 2.3.5 卷积预测器输出 | 第41-42页 |
| 2.3.6 片段组合 | 第42-43页 |
| 2.4 模型训练 | 第43-45页 |
| 2.4.1 标签生成 | 第43-44页 |
| 2.4.2 模型优化 | 第44-45页 |
| 2.5 实验验证 | 第45-51页 |
| 2.5.1 数据集 | 第45-46页 |
| 2.5.2 实现细节 | 第46页 |
| 2.5.3 任意方向文字检测 | 第46-47页 |
| 2.5.4 多语言长文字检测 | 第47-49页 |
| 2.5.5 水平文字检测 | 第49-50页 |
| 2.5.6 方法局限性 | 第50-51页 |
| 2.6 本章小结 | 第51-53页 |
| 第三章 场景文字识别 | 第53-73页 |
| 3.1 引言 | 第53-54页 |
| 3.2 卷积循环神经网络 | 第54-63页 |
| 3.2.1 卷积神经网络 | 第55-56页 |
| 3.2.2 循环神经网络 | 第56-59页 |
| 3.2.3 翻译层 | 第59-62页 |
| 3.2.4 网络训练 | 第62-63页 |
| 3.3 实验验证 | 第63-67页 |
| 3.3.1 数据集 | 第63页 |
| 3.3.2 实现细节 | 第63-65页 |
| 3.3.3 性能比较和评估 | 第65-66页 |
| 3.3.4 超参数影响 | 第66-67页 |
| 3.4 拓展应用:乐谱识别 | 第67-70页 |
| 3.5 本章小结 | 第70-71页 |
| 附表 | 第71-73页 |
| 第四章 不规则场景文字识别 | 第73-100页 |
| 4.1 引言 | 第73-74页 |
| 4.2 相关工作 | 第74-75页 |
| 4.2.1 场景文字识别 | 第74页 |
| 4.2.2 不规则场景文字识别 | 第74-75页 |
| 4.3 网络模型 | 第75-85页 |
| 4.3.1 矫正网络 | 第75-80页 |
| 4.3.2 识别网络 | 第80-84页 |
| 4.3.3 模型训练 | 第84-85页 |
| 4.4 实验验证 | 第85-94页 |
| 4.4.1 实验设置 | 第85-88页 |
| 4.4.2 矫正网络实验 | 第88-91页 |
| 4.4.3 识别网络实验 | 第91-93页 |
| 4.4.4 方法比较 | 第93-94页 |
| 4.5 端到端识别 | 第94-96页 |
| 4.6 本章小结 | 第96-98页 |
| 附表 | 第98-100页 |
| 第五章 场景文字语种识别 | 第100-120页 |
| 5.1 引言 | 第100-102页 |
| 5.2 区分式卷积神经网络 | 第102-108页 |
| 5.2.1 方法总览 | 第102-103页 |
| 5.2.2 深度卷积特征提取 | 第103-104页 |
| 5.2.3 区分性图块发现 | 第104-106页 |
| 5.2.4 中层表示和分类 | 第106-107页 |
| 5.2.5 端到端微调 | 第107-108页 |
| 5.3 SIW-13数据集 | 第108-109页 |
| 5.4 实验验证 | 第109-118页 |
| 5.4.1 实现细节 | 第110-111页 |
| 5.4.2 参与比较的方法 | 第111-113页 |
| 5.4.3 场景文字语种识别 | 第113-114页 |
| 5.4.4 视频文字语种识别 | 第114-115页 |
| 5.4.5 文档文字语种识别 | 第115-116页 |
| 5.4.6 参数讨论 | 第116-117页 |
| 5.4.7 方法局限性 | 第117-118页 |
| 5.5 本章小结 | 第118-119页 |
| 附图 | 第119-120页 |
| 第六章 总结与展望 | 第120-122页 |
| 6.1 全文总结 | 第120-121页 |
| 6.2 研究展望 | 第121-122页 |
| 尾注 | 第122-123页 |
| 致谢 | 第123-124页 |
| 参考文献 | 第124-134页 |
| 附录A 攻读学位期间的主要学术成果 | 第134-138页 |
| A.1 发表学术论文 | 第134-135页 |
| A.2 参与研究课题 | 第135-136页 |
| A.3 申请或被授权专利 | 第136页 |
| A.4 担任审稿人 | 第136-137页 |
| A.5 组织学术竞赛 | 第137-138页 |
| 附录B 中英文对照表 | 第138-139页 |
