| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 基于传统方法的文本检测 | 第10-12页 |
| 1.2.2 基于深度学习的文本检测 | 第12-14页 |
| 1.3 本文的章节安排 | 第14-15页 |
| 第二章 基于深度学习的自然场景文本检测 | 第15-30页 |
| 2.1 卷积神经网络 | 第15-19页 |
| 2.1.1 输入层 | 第15-16页 |
| 2.1.2 卷积层 | 第16页 |
| 2.1.3 激活函数 | 第16-18页 |
| 2.1.4 池化层 | 第18-19页 |
| 2.2 基于深度学习的文本检测相关算法 | 第19-22页 |
| 2.2.1 经典深度学习算法及框架 | 第19-20页 |
| 2.2.2 基于候选框的文本检测算法 | 第20-21页 |
| 2.2.3 基于分割的文本检测方法 | 第21-22页 |
| 2.3 EAST文本检测算法 | 第22-27页 |
| 2.3.1 网络结构 | 第22-25页 |
| 2.3.2 损失函数 | 第25-27页 |
| 2.3.3 局部响应的非极大值抑制 | 第27页 |
| 2.4 文本检测评价指标 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 EAST网络上下文双向感知扩展的改进算法 | 第30-45页 |
| 3.1 EAST算法的缺陷 | 第30-31页 |
| 3.2 BLSTM网络的融合 | 第31-34页 |
| 3.2.1 LSTM网络 | 第31-34页 |
| 3.2.2 BLSTM网络 | 第34页 |
| 3.3 上下文双向感知扩展的EAST改进算法ICBPE-EAST | 第34-36页 |
| 3.4 仿真结果与分析 | 第36-44页 |
| 3.4.1 实验平台 | 第37页 |
| 3.4.2 模型训练 | 第37-38页 |
| 3.4.3 仿真结果分析 | 第38-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于特征金字塔池的ICBPE-EAST的优化 | 第45-63页 |
| 4.1 基于分割的文本检测算法的缺点 | 第45-46页 |
| 4.2 自然场景下的文本检测算法优化 | 第46-57页 |
| 4.2.1 Res Net网络 | 第47页 |
| 4.2.2 ASPP结构 | 第47-51页 |
| 4.2.3 IFPP-EAST算法框架 | 第51-53页 |
| 4.2.4 文本行分割损失函数设计 | 第53-55页 |
| 4.2.5 文本框合并模块的改进 | 第55-57页 |
| 4.3 实验结果分析 | 第57-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 本文总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 致谢 | 第69页 |