首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

面向云桌面图片的OCR关键技术研究

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第9-16页
    1.1 研究背景及意义第9-11页
    1.2 国内外研究现状第11-14页
        1.2.1 文本检测研究现状第11-13页
        1.2.2 文字识别研究现状第13-14页
    1.3 本文的研究内容第14-15页
    1.4 本文组织结构第15-16页
第2章 深度学习相关知识介绍第16-27页
    2.1 引言第16页
    2.2 深度学习概述第16页
    2.3 人工神经网络第16-19页
        2.3.1 前向传播第17-18页
        2.3.2 反向传播第18-19页
    2.4 卷积神经网络第19-22页
        2.4.1 卷积层第20-21页
        2.4.2 池化层第21-22页
        2.4.3 全连接层第22页
    2.5 循环神经网络第22-25页
        2.5.1 长短时记忆网络第23-25页
    2.6 时序分类第25-26页
    2.7 本章小结第26-27页
第3章 文字识别分析第27-39页
    3.1 引言第27页
    3.2 基于CTPN与CRNN的图片文字识别第27-29页
        3.2.1 基于CTPN模型的文本检测第27-28页
        3.2.2 基于CRNN的文字识别第28-29页
    3.3 实验分析第29-37页
        3.3.1 文本检测数据及预处理第29-30页
        3.3.2 文字识别数据合成第30-31页
        3.3.3 评价标准第31-33页
        3.3.4 文本检测结果分析第33-35页
        3.3.5 文字识别结果分析第35-37页
        3.3.6 整体识别结果分析第37页
    3.4 本章小结第37-39页
第4章 文本检测算法改进第39-51页
    4.1 引言第39页
    4.2 文本检测模型分析第39-40页
    4.3 模型改进第40-47页
        4.3.1 anchor设计第41-42页
        4.3.2 分类第42-43页
        4.3.3 位置回归第43-44页
        4.3.4 损失函数第44-45页
        4.3.5 后处理第45-47页
    4.4 实验分析第47-50页
        4.4.1 样本平衡第47-48页
        4.4.2 改进网络的有效性第48-49页
        4.4.3 整体识别结果分析第49-50页
    4.5 本章小结第50-51页
第5章 文字识别算法改进第51-56页
    5.1 引言第51页
    5.2 文字识别模型分析第51-52页
    5.3 模型改进第52-54页
        5.3.1 改进模型整体结构第52-53页
        5.3.2 结合注意力机制的解码器第53-54页
    5.4 实验分析第54-55页
        5.4.1 改进模型的有效性第54页
        5.4.2 整体识别结果分析第54-55页
    5.5 本章小结第55-56页
结论第56-58页
参考文献第58-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:基于GIS和ANN-CA模型的南宁市中心城区土地利用演化模拟
下一篇:基于多尺度特征的目标检测算法研究