| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-18页 |
| 1.1.1 课题研究背景 | 第15-17页 |
| 1.1.2 研究目的及意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-21页 |
| 1.3 研究内容 | 第21页 |
| 1.4 论文组织结构 | 第21-23页 |
| 第二章 相关理论研究 | 第23-33页 |
| 2.1 自然场景文字数据集 | 第23-25页 |
| 2.2 深度学习技术基础 | 第25-26页 |
| 2.3 深度学习框架 | 第26-28页 |
| 2.4 GPU并行计算 | 第28-31页 |
| 2.5 小结 | 第31-33页 |
| 第三章 基于GPU加速的场景文字检测算法 | 第33-47页 |
| 3.1 基于笔画宽度的场景文字检测算法 | 第33-40页 |
| 3.1.1 笔画宽度检测算法原理 | 第33页 |
| 3.1.2 笔画宽度检测算法实现 | 第33-35页 |
| 3.1.3 改进的笔画宽度检测算法 | 第35-40页 |
| 3.2 基于GPU的笔画宽度检测算法实现 | 第40-45页 |
| 3.2.1 CUDA C并行框架 | 第40-42页 |
| 3.2.2 算法实现及优化 | 第42-45页 |
| 3.3 基于连通域的文本分割方法 | 第45-46页 |
| 3.4 小结 | 第46-47页 |
| 第四章 基于深度学习的场景文字识别算法 | 第47-61页 |
| 4.1 卷积神经网络简介 | 第47-48页 |
| 4.2 基于Alex Net网络的场景文字识别算法 | 第48-51页 |
| 4.3 改进的Alex Net网络算法实现 | 第51-56页 |
| 4.4 视频场景中的文字检测与识别 | 第56-59页 |
| 4.5 小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-65页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |