基于深度学习的表单识别系统的研究与实现
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文的研究内容及章节安排 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 相关概念及关键技术 | 第15-23页 |
| 2.1 LSD | 第15页 |
| 2.2 Tesseract-OCR | 第15页 |
| 2.3 人工神经网络 | 第15-19页 |
| 2.4 卷积神经网络 | 第19-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于扩张卷积残差网络的表单文档定位 | 第23-37页 |
| 3.1 相关工作 | 第23-25页 |
| 3.1.1 残差网络结构 | 第23-25页 |
| 3.1.2 扩张卷积 | 第25页 |
| 3.2 基于扩张卷积残差网络的表单文档定位 | 第25-29页 |
| 3.2.1 实验流程 | 第26-28页 |
| 3.2.3 损失函数 | 第28-29页 |
| 3.3 实验结果分析 | 第29-35页 |
| 3.3.1 数据集与测试标准 | 第29-30页 |
| 3.3.2 参数设置 | 第30页 |
| 3.3.3 实验结果与分析 | 第30-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第4章 基于Gabor与卷积神经网络的文字识别 | 第37-47页 |
| 4.1 相关工作 | 第37-42页 |
| 4.1.1 Tesseract-OCR概述 | 第37页 |
| 4.1.2 使用官方训练集识别字符 | 第37-40页 |
| 4.1.3 Gabor变换 | 第40-41页 |
| 4.1.4 Dropout技术 | 第41-42页 |
| 4.2 基于Gabor与卷积神经网络的文字识别 | 第42-43页 |
| 4.3 实验结果分析 | 第43-46页 |
| 4.3.1 数据集与测试标准 | 第43页 |
| 4.3.2 参数设置 | 第43页 |
| 4.3.3 实验结果与分析 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 表单识别系统的实现 | 第47-55页 |
| 5.1 系统概述 | 第47-48页 |
| 5.2 主要功能模块 | 第48页 |
| 5.3 系统测试 | 第48-53页 |
| 5.4 本章小结 | 第53-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 工作总结 | 第55-56页 |
| 6.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士期间已发表的论文 | 第63-65页 |
| 致谢 | 第65-66页 |
