自然场景中的文字检测关键技术研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 论文的主要研究内容 | 第13页 |
| 1.3 论文的主要贡献与章节安排 | 第13-15页 |
| 第二章 自然场景下的文字检测研究现状 | 第15-26页 |
| 2.1 颜色特征 | 第15-16页 |
| 2.2 边缘特征和梯度特征 | 第16页 |
| 2.3 纹理特征 | 第16-17页 |
| 2.4 笔画宽度转换 | 第17-21页 |
| 2.5 MSER | 第21-23页 |
| 2.6 深度学习 | 第23-25页 |
| 2.7 本章小结 | 第25-26页 |
| 第三章 文字区域检测算法 | 第26-46页 |
| 3.1 Faster RCNN目标检测算法 | 第26-33页 |
| 3.1.1 Faster R-CNN框架原理 | 第26-27页 |
| 3.1.2 区域生成网络 | 第27-29页 |
| 3.1.3 窗口Anchors | 第29-31页 |
| 3.1.4 Fast RCNN | 第31-32页 |
| 3.1.5 损失函数 | 第32-33页 |
| 3.2 YOLO目标检测算法 | 第33-36页 |
| 3.2.1 对象检测方法 | 第33-34页 |
| 3.2.2 网络结构 | 第34-35页 |
| 3.2.3 损失函数 | 第35-36页 |
| 3.3 SSD目标检测算法 | 第36-40页 |
| 3.3.1 SSD模型 | 第36-38页 |
| 3.3.2 SSD训练 | 第38-40页 |
| 3.4 基于SSD的文本检测模型 | 第40-45页 |
| 3.4.1 训练数据 | 第40-43页 |
| 3.4.2 模型训练 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 笔画宽度变换 | 第46-56页 |
| 4.1 文字区域检测 | 第46页 |
| 4.2 笔画宽度变换 | 第46-52页 |
| 4.3 中文识别 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 本文工作总结 | 第56页 |
| 5.2 未来展望 | 第56-58页 |
| 参考文献 | 第58-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间的研究成果 | 第68-69页 |
| 附件 | 第69页 |
