基于深度学习的自然场景文字识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12-13页 |
| 1.2 相关技术及研究现状 | 第13-18页 |
| 1.2.1 自然场景文字处理流程 | 第13-14页 |
| 1.2.2 自然场景文字识别的困难和挑战 | 第14-15页 |
| 1.2.3 自然场景文字识别的研究现状 | 第15-17页 |
| 1.2.4 现有方法存在的问题 | 第17-18页 |
| 1.3 本文研究目标与内容 | 第18-20页 |
| 第2章 基于深度学习的文字识别框架 | 第20-30页 |
| 2.1 深度学习理论 | 第20-25页 |
| 2.1.1 人工神经网络 | 第20-24页 |
| 2.1.2 神经网络训练 | 第24-25页 |
| 2.2 基于深度学习的自然场景文字识别框架 | 第25-29页 |
| 2.2.1 问题分析 | 第25-26页 |
| 2.2.2 框架介绍 | 第26-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于CNN和BiRNN的图像编码 | 第30-43页 |
| 3.1 方法概述 | 第30-31页 |
| 3.2 图像预处理 | 第31-32页 |
| 3.3 基于CNN的静态局部特征提取 | 第32-38页 |
| 3.3.1 CNN网络结构概述 | 第32-34页 |
| 3.3.2 CNN网络设计 | 第34-38页 |
| 3.4 基于BiRNN的上下文特征提取 | 第38-42页 |
| 3.4.1 BiRNN网络结构概述 | 第38-39页 |
| 3.4.2 BiRNN网络设计 | 第39-42页 |
| 3.5 注解向量序列生成 | 第42页 |
| 3.6 本章总结 | 第42-43页 |
| 第4章 基于ARSG的文字解码 | 第43-52页 |
| 4.1 方法概述 | 第43-44页 |
| 4.2 基于注意力机制的字符定位 | 第44-47页 |
| 4.2.1 注意力机制简介 | 第44-46页 |
| 4.2.2 效率优化 | 第46-47页 |
| 4.3 基于ARSG的字符序列生成 | 第47-51页 |
| 4.3.1 算法概述 | 第47-48页 |
| 4.3.2 网络结构 | 第48-49页 |
| 4.3.3 延迟生成 | 第49-50页 |
| 4.3.4 Beam搜索 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 神经网络训练策略 | 第52-59页 |
| 5.1 引言 | 第52页 |
| 5.2 训练加速策略 | 第52-55页 |
| 5.2.1 CNN预训练 | 第52-53页 |
| 5.2.2 基于GPU的训练加速方法 | 第53-54页 |
| 5.2.3 Downpour SGD训练算法 | 第54-55页 |
| 5.3 过拟合预防策略 | 第55-57页 |
| 5.3.1 数据增广 | 第55-56页 |
| 5.3.2 Dropout | 第56页 |
| 5.3.3 早期停止 | 第56-57页 |
| 5.3.4 权值衰减 | 第57页 |
| 5.4 本章小结 | 第57-59页 |
| 第6章 实验与分析 | 第59-67页 |
| 6.1 引言 | 第59页 |
| 6.2 数据集 | 第59-60页 |
| 6.3 实验过程 | 第60-62页 |
| 6.3.1 实验环境 | 第60页 |
| 6.3.2 实验配置 | 第60-61页 |
| 6.3.3 实验结果 | 第61-62页 |
| 6.4 结果分析 | 第62-66页 |
| 6.4.1 识别过程可视化 | 第62-63页 |
| 6.4.2 泛化能力分析 | 第63-65页 |
| 6.4.3 性能分析 | 第65页 |
| 6.4.4 参数数量分析 | 第65页 |
| 6.4.5 延迟生成对结果的影响 | 第65-66页 |
| 6.5 本章小结 | 第66-67页 |
| 第7章 总结与展望 | 第67-69页 |
| 7.1 总结 | 第67页 |
| 7.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间主要的研究成果 | 第73-74页 |
| 致谢 | 第74页 |
