| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 课题研究背景及意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 文本目标检测现状 | 第14-16页 |
| 1.2.2 文本目标识别现状 | 第16-18页 |
| 1.2.3 自然街景下文本目标检测和识别存在的问题 | 第18-19页 |
| 1.3 本文章节结构和主要研究内容 | 第19-21页 |
| 第二章 街景文本检测和识别基础技术 | 第21-28页 |
| 2.1 卷积神经网络 | 第21-22页 |
| 2.2 循环神经网络 | 第22-24页 |
| 2.3 本文实验框架 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 自然街景下的小文本目标优化 | 第28-48页 |
| 3.1 小文本训练数据集构建 | 第28-40页 |
| 3.1.1 现有数据集分析 | 第28-32页 |
| 3.1.2 多级小文本训练数据集的构建 | 第32-40页 |
| 3.2 小文本目标优化方法 | 第40-47页 |
| 3.2.1 已有方法分析 | 第41-42页 |
| 3.2.2 基于分辨率补偿的小文本目标优化 | 第42-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第四章 半监督文本目标检测和识别 | 第48-71页 |
| 4.1 半监督学习算法总体架构 | 第48-51页 |
| 4.2 基于贝叶斯网络的文本目标检测识别方法 | 第51-60页 |
| 4.2.1 问题建模 | 第53页 |
| 4.2.2 特征提取与标签预测 | 第53-57页 |
| 4.2.3 基于贝叶斯网络的预测样本筛选 | 第57-60页 |
| 4.3 实验与分析 | 第60-70页 |
| 4.3.1 实验设置 | 第60-63页 |
| 4.3.2 定性分析 | 第63-67页 |
| 4.3.3 定量分析 | 第67-70页 |
| 4.4 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间取得的成果 | 第79页 |