| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 离线手写汉字单字符识别 | 第14-16页 |
| 1.2.2 手写汉字文本行识别 | 第16-17页 |
| 1.2.3 文档识别 | 第17页 |
| 1.3 研究难点 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-21页 |
| 第2章 离线手写汉字识别相关技术研究综述 | 第21-45页 |
| 2.1 传统手写汉字单字符识别方法 | 第21-32页 |
| 2.1.1 图片预处理 | 第21-24页 |
| 2.1.2 特征提取 | 第24-28页 |
| 2.1.3 分类识别 | 第28-32页 |
| 2.2 基于神经网络的手写汉字单字符识别 | 第32-38页 |
| 2.2.1 卷积神经网络介绍 | 第32-36页 |
| 2.2.2 基于卷积神经网络的手写汉字识别 | 第36-38页 |
| 2.3 手写汉字的文本行识别 | 第38-43页 |
| 2.3.1 集成上下文识别手写汉字文本行 | 第38页 |
| 2.3.2 MDLSTM-RNN与SMDLSTM-RNN | 第38-43页 |
| 2.4 本章小节 | 第43-45页 |
| 第3章 离线手写汉字单字符识别 | 第45-57页 |
| 3.1 结合多类型卷积神经网络投票的手写汉字识别 | 第45-53页 |
| 3.1.1 基于VGGNet的手写汉字识别 | 第45-49页 |
| 3.1.2 基于GoogLeNet的手写汉字识别 | 第49-50页 |
| 3.1.3 基于ResNet的手写汉字识别 | 第50-52页 |
| 3.1.4 投票方式 | 第52页 |
| 3.1.5 实验结果 | 第52-53页 |
| 3.2 基于特征融合的手写汉字识别 | 第53-56页 |
| 3.2.1 特征融合结构设计 | 第53-54页 |
| 3.2.2 网络设计 | 第54-55页 |
| 3.2.3 实验结果 | 第55-56页 |
| 3.3 本章小节 | 第56-57页 |
| 第4章 离线手写汉字文本行识别 | 第57-69页 |
| 4.1 基于Attention机制编解码模型 | 第57-60页 |
| 4.1.1 基本的编解码模型介绍 | 第57-58页 |
| 4.1.2 基于Attention机制的编解码模型介绍 | 第58页 |
| 4.1.3 基于Attention机制编解码网络设计 | 第58-60页 |
| 4.2 数据集与实验平台 | 第60-63页 |
| 4.2.1 CASIA HWDB2.0-2.2数据集 | 第60-61页 |
| 4.2.2 数据扩充 | 第61-63页 |
| 4.2.3 实验平台 | 第63页 |
| 4.3 实验结果分析 | 第63-67页 |
| 4.3.1 数据预处理 | 第63页 |
| 4.3.2 实验结果 | 第63-67页 |
| 4.4 本章小结 | 第67-69页 |
| 第5章 总结与展望 | 第69-71页 |
| 5.1 本文工作总结 | 第69-70页 |
| 5.2 工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第77页 |
