| 摘要 | 第5-6页 |
| Abstarct | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与研究意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 文本分类算法研究 | 第13页 |
| 1.2.2 图像分类算法研究 | 第13-14页 |
| 1.2.3 自然场景文本图像相关技术研究 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 相关算法理论基础 | 第18-21页 |
| 2.1 文本图像生成算法 | 第18页 |
| 2.2 VGG16 | 第18-19页 |
| 2.3 区域提议网络 | 第19页 |
| 2.4 端到端序列提取算法 | 第19-21页 |
| 第三章 自然场景文本图像数据集构建 | 第21-26页 |
| 3.1 现有文本图像数据集分析 | 第21-23页 |
| 3.2 自然场景文本图像数据集构建 | 第23-25页 |
| 3.2.1 网络原数据获取 | 第23页 |
| 3.2.2 自然场景文本图像数据集构建 | 第23-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 基于多尺度联结文本提议网络的文本区域识别算法 | 第26-39页 |
| 4.1 基于多尺度联结文本提议网络的文本区域识别算法 | 第26-33页 |
| 4.1.1 基于残差连接的图像特征提取 | 第27-28页 |
| 4.1.2 双向递归神经网络 | 第28-30页 |
| 4.1.3 基于RPN的多尺度区域提议网络 | 第30-33页 |
| 4.2 实验与分析 | 第33-38页 |
| 4.2.1 实验数据集与评价指标 | 第33-35页 |
| 4.2.2 实验参数设置 | 第35页 |
| 4.2.3 实验结果与分析 | 第35-38页 |
| 4.3 本章小结 | 第38-39页 |
| 第五章 基于注意力机制的端到端文本序列提取方法 | 第39-48页 |
| 5.1 基于注意力机制的端到端文本序列提取方法 | 第39-44页 |
| 5.1.1 基于双向递归网络的编码器 | 第39-41页 |
| 5.1.2 基于注意力机制的解码器 | 第41-43页 |
| 5.1.3 端到端的序列预测 | 第43-44页 |
| 5.2 实验与分析 | 第44-47页 |
| 5.2.1 实验数据集与评价指标 | 第44-45页 |
| 5.2.2 实验参数设置 | 第45-46页 |
| 5.2.3 实验结果与分析 | 第46-47页 |
| 5.3 本章小结 | 第47-48页 |
| 第六章 基于深度文本与图像特征的联合多分类网络 | 第48-62页 |
| 6.1 基于深度文本与图像特征的联合多分类网络 | 第48-55页 |
| 6.1.1 文本特征子网络 | 第48-51页 |
| 6.1.2 图像特征子网络 | 第51-54页 |
| 6.1.3 联合分类器 | 第54-55页 |
| 6.2 实验与分析 | 第55-60页 |
| 6.2.1 实验数据集与评价指标 | 第55-57页 |
| 6.2.2 实验参数设置 | 第57-59页 |
| 6.2.3 实验结果与分析 | 第59-60页 |
| 6.3 本章小结 | 第60-62页 |
| 第七章 总结与展望 | 第62-65页 |
| 7.1 总结 | 第62-63页 |
| 7.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |