摘要 | 第5-8页 |
Abstract | 第8-11页 |
第一章 绪论 | 第18-46页 |
1.1 研究背景及研究意义 | 第18-19页 |
1.2 研究的相关内容 | 第19-31页 |
1.2.1 基本概念 | 第20-21页 |
1.2.2 文字识别方法 | 第21-23页 |
1.2.3 文字检测方法 | 第23-24页 |
1.2.4 常用数据库 | 第24-31页 |
1.3 研究现状和发展趋势 | 第31-43页 |
1.3.1 手写汉字识别 | 第31-37页 |
1.3.2 场景文字检测和识别 | 第37-43页 |
1.3.3 字体分类 | 第43页 |
1.4 主要工作和结构安排 | 第43-46页 |
1.4.1 主要工作 | 第43-45页 |
1.4.2 结构安排 | 第45-46页 |
第二章 深度学习方法概述 | 第46-67页 |
2.1 引言 | 第46页 |
2.2 人工神经网络 | 第46-52页 |
2.3 深度学习 | 第52-58页 |
2.4 卷积神经网络 | 第58-66页 |
2.4.1 模型改进 | 第58-60页 |
2.4.2 模型优化 | 第60-62页 |
2.4.3 模型应用 | 第62-66页 |
2.5 本章小结 | 第66-67页 |
第三章 相似字发掘及其在级联联机手写汉字识别系统中的应用 | 第67-92页 |
3.1 引言 | 第67页 |
3.2 相似字的基本解决方法 | 第67-69页 |
3.2.1 增强鉴别能力 | 第68-69页 |
3.2.2 发掘相似字 | 第69页 |
3.3 相似字发现 | 第69-75页 |
3.3.1 相似字发掘算法 | 第70-73页 |
3.3.2 基于熵计算的相似性度量 | 第73-75页 |
3.4 基于相似字的级联联机手写汉字识别 | 第75-79页 |
3.4.1 相似字子集分析 | 第75-76页 |
3.4.2 相似字对分析 | 第76页 |
3.4.3 基于两两相似度的层次聚类 | 第76-77页 |
3.4.4 级联分类框架 | 第77-79页 |
3.5 实验结果及分析 | 第79-91页 |
3.5.1 数据集 | 第79页 |
3.5.2 实现细节与评价准则 | 第79-81页 |
3.5.3 置信度分析实验 | 第81-82页 |
3.5.4 相似字子集分析实验 | 第82-83页 |
3.5.5 相似字对分析实验 | 第83-85页 |
3.5.6 级联分类系统分析 | 第85-91页 |
3.6 本章小结 | 第91-92页 |
第四章 面向场景文字抽取的字符候选区域网络 | 第92-117页 |
4.1 引言 | 第92-94页 |
4.2 基本检测方法 | 第94-99页 |
4.2.1 通用物体检测基本方法 | 第94-98页 |
4.2.2 场景文字检测基本方法 | 第98-99页 |
4.3 通用物体和文字候选基本方法的研究 | 第99-104页 |
4.3.1 通用物体候选 | 第99-102页 |
4.3.2 字符候选 | 第102-104页 |
4.4 字符区域候选网络 | 第104-109页 |
4.4.1 多模板 | 第106-107页 |
4.4.2 多任务 | 第107-108页 |
4.4.3 学习算法 | 第108页 |
4.4.4 推理过程 | 第108-109页 |
4.5 SCUT-FORU数据库 | 第109-112页 |
4.6 实验结果及分析 | 第112-116页 |
4.6.1 数据集 | 第112页 |
4.6.2 评价准则 | 第112页 |
4.6.3 实现细节 | 第112页 |
4.6.4 结果与分析 | 第112-116页 |
4.7 本章小结 | 第116-117页 |
第五章 汉字字体识别中的特征表达与学习 | 第117-139页 |
5.1 引言 | 第117页 |
5.2 基于局部特征表达的快速汉字字体识别系统 | 第117-125页 |
5.2.1 局部特征 | 第118-120页 |
5.2.2 快速字体识别系统 | 第120-121页 |
5.2.3 实验结果及分析 | 第121-125页 |
5.3 场景单词图片渲染 | 第125-127页 |
5.4 基于DropRegion的文本无关字体识别系统 | 第127-138页 |
5.4.1 DropRegion | 第129-132页 |
5.4.2 实验结果及分析 | 第132-138页 |
5.5 本章小结 | 第138-139页 |
总结与展望 | 第139-142页 |
参考文献 | 第142-156页 |
攻读博士学位期间取得的研究成果 | 第156-158页 |
致谢 | 第158页 |