| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.2.1 深度学习 | 第7-8页 |
| 1.2.2 卷积神经网络 | 第8-9页 |
| 1.2.3 字符识别 | 第9-10页 |
| 1.3 主要工作和内容安排 | 第10-13页 |
| 第2章 相关理论基础 | 第13-19页 |
| 2.1 卷积神经网络 | 第13-15页 |
| 2.1.1 卷积神经网络结构 | 第13-14页 |
| 2.1.2 卷积神经网络的训练过程 | 第14-15页 |
| 2.2 支持向量机 | 第15-17页 |
| 2.2.1 线性最优分类超平面 | 第15-16页 |
| 2.2.2 线性不可分的分类问题 | 第16页 |
| 2.2.3 核函数及其本质 | 第16-17页 |
| 2.2.4 支持向量机多分类问题 | 第17页 |
| 2.3 小结 | 第17-19页 |
| 第3章 基于街景门牌号码的图像预处理 | 第19-29页 |
| 3.1 SVHN数据集 | 第19-20页 |
| 3.2 图像预处理 | 第20-22页 |
| 3.2.1 图像预处理 | 第21页 |
| 3.2.2 灰度化处理的常用方法 | 第21-22页 |
| 3.3 基于街景门牌号码的图像预处理 | 第22-26页 |
| 3.3.1 方法设计 | 第22-23页 |
| 3.3.2 实验结果与性能分析 | 第23-26页 |
| 3.4 小结 | 第26-29页 |
| 第4章 基于卷积神经网络的街景门牌号码识别 | 第29-41页 |
| 4.1 原始网络模型 | 第29-30页 |
| 4.2 改进CNN模型 | 第30-32页 |
| 4.3 基于卷积神经网络的街景门牌号码识别 | 第32-33页 |
| 4.3.1 方法设计 | 第32-33页 |
| 4.3.2 主要步骤 | 第33页 |
| 4.4 实验结果与性能分析 | 第33-37页 |
| 4.4.1 预处理方法测试 | 第33-34页 |
| 4.4.2 识别方法的有效性实验 | 第34-35页 |
| 4.4.3 识别率分析 | 第35-37页 |
| 4.5 基于卷积神经网络的街景门牌号码识别演示软件 | 第37-39页 |
| 4.5.1 软件设计 | 第37-38页 |
| 4.5.2 软件界面与功能实现 | 第38-39页 |
| 4.6 小结 | 第39-41页 |
| 第5章 总结与展望 | 第41-43页 |
| 5.1 总结 | 第41-42页 |
| 5.2 展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 致谢 | 第47-49页 |
| 攻读硕士学位期间的研究成果 | 第49页 |