| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 自然场景文本检测的难点 | 第14-15页 |
| 1.3 国内外研究现状 | 第15-20页 |
| 1.3.1 基于滑动窗口的自然场景文本检测方法 | 第16-17页 |
| 1.3.2 基于连通域的自然场景文本检测方法 | 第17-19页 |
| 1.3.3 基于深度学习的自然场景文本检测方法 | 第19-20页 |
| 1.4 实验数据集与评价标准 | 第20-21页 |
| 1.5 本文主要研究内容 | 第21-23页 |
| 1.6 本文组织结构 | 第23页 |
| 1.7 本章小结 | 第23-25页 |
| 第2章 基于TEXTBOXES的自然场景文本检测 | 第25-34页 |
| 2.1 卷积神经网络 | 第25-30页 |
| 2.1.1 卷积神经网络的基本思想 | 第25-26页 |
| 2.1.2 卷积神经网络的网络结构 | 第26-29页 |
| 2.1.3 卷积神经网络的训练过程 | 第29-30页 |
| 2.2 TEXTBOXES算法 | 第30-31页 |
| 2.3 TEXTBOXES网络 | 第31-32页 |
| 2.4 非极大值抑制算法 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 改进的TEXTBOXES网络 | 第34-50页 |
| 3.1 特征层融合 | 第34-38页 |
| 3.1.1 Eltwise层 | 第34-35页 |
| 3.1.2 反卷积层 | 第35-36页 |
| 3.1.3 BatchNorm层 | 第36-38页 |
| 3.1.4 特征层融合方式 | 第38页 |
| 3.2 改进的TEXTBOXES网络的网络结构 | 第38-42页 |
| 3.2.1 相邻两层特征层融合 | 第39-40页 |
| 3.2.2 相邻三层特征层融合 | 第40-41页 |
| 3.2.3 最高层特征层与其他特征层融合 | 第41-42页 |
| 3.3 改进的TEXTBOXES网络的采样策略 | 第42-43页 |
| 3.4 改进的TEXTBOXES网络的目标函数 | 第43-44页 |
| 3.5 多尺度文本检测 | 第44-45页 |
| 3.6 实验 | 第45-48页 |
| 3.6.1 网络参数设置 | 第45页 |
| 3.6.2 改进的TextBoxes网络与NMS相结合的文本检测实验 | 第45-48页 |
| 3.7 本章小结 | 第48-50页 |
| 第4章 改进的非极大值抑制算法 | 第50-62页 |
| 4.1 非极大值抑制算法的不足 | 第50-52页 |
| 4.2 文本框融合算法 | 第52-54页 |
| 4.3 实验 | 第54-61页 |
| 4.3.1 算法阈值设置 | 第54-55页 |
| 4.3.2 TextBoxes网络与Text-BBF相结合的文本检测实验 | 第55-58页 |
| 4.3.3 改进的TextBoxes网络与Text-BBF相结合的文本检测实验 | 第58-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 未来工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间参与的项目以及学术成果 | 第70页 |
