基于深度学习的印刷体汉字识别
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 汉字识别的研究现状 | 第8-12页 |
| 1.2.1 印刷体汉字识别技术的现状 | 第8-10页 |
| 1.2.2 印刷体汉字识别技术的发展 | 第10-11页 |
| 1.2.3 印刷体汉字识别技术的应用需求 | 第11-12页 |
| 1.3 研究内容和章节安排 | 第12-13页 |
| 第二章 深度学习及其应用框架 | 第13-29页 |
| 2.1 深度学习的发展 | 第13-15页 |
| 2.2 卷积神经网络 | 第15-24页 |
| 2.2.1 基础结构单元 | 第15-19页 |
| 2.2.2 经典网络模型 | 第19-24页 |
| 2.3 深度学习框架 | 第24-27页 |
| 2.3.1 caffe框架介绍 | 第24-25页 |
| 2.3.2 tensorflow框架介绍 | 第25-26页 |
| 2.3.3 其他主流深度学习框架对比 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 基于深度学习的汉字识别 | 第29-49页 |
| 3.1 带标注的印刷体汉字图片库生成 | 第29-35页 |
| 3.1.1 工具选取 | 第29页 |
| 3.1.2 汉字生成 | 第29-32页 |
| 3.1.3 数据增强 | 第32-35页 |
| 3.2 训练模型设计 | 第35-38页 |
| 3.2.1 网络搭建 | 第35-37页 |
| 3.2.2 模型训练 | 第37-38页 |
| 3.3 文字识别性能评估 | 第38-48页 |
| 3.3.1 tesseract介绍和实验结果 | 第38-40页 |
| 3.3.2 深度学习模型训练实验环境介绍 | 第40页 |
| 3.3.3 深度学习训练模型训练结果分析 | 第40-47页 |
| 3.3.4 深度学习训练模型训练结果测试 | 第47-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于深度学习的汉字识别应用 | 第49-64页 |
| 4.1 基于身份证的汉字识别系统 | 第49-60页 |
| 4.1.1 身份证正反面分类 | 第49-50页 |
| 4.1.2 身份证正反面倾斜调整 | 第50-53页 |
| 4.1.3 身份证正反面畸变调整 | 第53-55页 |
| 4.1.4 身份证正反面版面文字切割 | 第55-59页 |
| 4.1.5 身份证正反面文字识别 | 第59-60页 |
| 4.2 身份证汉字识别对比 | 第60-63页 |
| 4.2.1 身份证汉字识别样本介绍 | 第60页 |
| 4.2.2 基于MODI的汉字图片识别 | 第60-61页 |
| 4.2.3 身份证汉字图片识别结果分析 | 第61-63页 |
| 4.3 本章小结 | 第63-64页 |
| 第五章 总结 | 第64-65页 |
| 5.1 本文工作 | 第64页 |
| 5.2 不足和待优化之处 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 硕士期间主要成果 | 第69-70页 |
| 致谢 | 第70页 |
