基于卷积神经网络的教学视频文字识别
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 研究内容及本文主要工作 | 第13-14页 |
| 1.4 论文结构安排 | 第14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 视频图像预处理和卷积神经网络数据集构建 | 第15-21页 |
| 2.1 图片预处理 | 第15-18页 |
| 2.1.1 图片灰度化 | 第15页 |
| 2.1.2 阈值分割 | 第15-17页 |
| 2.1.3 图片缩放 | 第17-18页 |
| 2.2 数据集的构建 | 第18-20页 |
| 2.2.1 基本数据集的构建 | 第18-19页 |
| 2.2.2 数据集增强 | 第19-20页 |
| 2.3 数据预处理 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 教学视频中文字检测定位 | 第21-33页 |
| 3.1 文字检测定位的方法 | 第21-23页 |
| 3.1.1 基于滑动窗口的方法 | 第21页 |
| 3.1.2 基于连通区域的方法 | 第21-22页 |
| 3.1.3 基于学习的方法 | 第22-23页 |
| 3.2 用于文字检测的关键帧提取 | 第23-25页 |
| 3.2.1 视频编码概述 | 第23-24页 |
| 3.2.2 文字检测关键帧提取 | 第24-25页 |
| 3.3 文字检测定位 | 第25-31页 |
| 3.3.1 边缘检测 | 第26-28页 |
| 3.3.2 合并文字区域 | 第28-29页 |
| 3.3.3 文字检测定位 | 第29-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第四章 汉字识别的卷积神经网络的设计 | 第33-49页 |
| 4.1 卷积神经网络文字识别的优势 | 第33页 |
| 4.2 激活函数的选择 | 第33-38页 |
| 4.3 损失函数的选择 | 第38页 |
| 4.4 Batch Normalization | 第38-39页 |
| 4.5 汉字识别卷积神经网络的结构设计 | 第39-47页 |
| 4.6 本章小结 | 第47-49页 |
| 第五章 汉字识别的卷积神经网络的训练 | 第49-55页 |
| 5.1 卷积神经网络的数据准备 | 第49页 |
| 5.2 卷积神经网络的参数更新 | 第49-52页 |
| 5.2.1 前向传播 | 第49-50页 |
| 5.2.2 反向传播 | 第50-52页 |
| 5.3 汉字识别卷积网络的训练 | 第52-54页 |
| 5.3.1 学习速率的设定 | 第52-53页 |
| 5.3.2 权重初始化的设定 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 实验结果与分析 | 第55-62页 |
| 6.1 实验环境 | 第55页 |
| 6.2 视频中文字检测试验与分析 | 第55-58页 |
| 6.3 卷积神经网络文字识别实验与分析 | 第58-61页 |
| 6.4 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附件 | 第71页 |
