摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-14页 |
1.1 研究背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-12页 |
1.2.1 基于字符级的识别 | 第11-12页 |
1.2.2 基于单词级的识别 | 第12页 |
1.3 研究内容及设计指标 | 第12-13页 |
1.3.1 研究内容 | 第12-13页 |
1.3.2 设计指标 | 第13页 |
1.4 论文组织结构 | 第13-14页 |
第二章 自然场景文字识别算法概述 | 第14-24页 |
2.1 自然场景文字识别流程 | 第14页 |
2.2 自然场景文字特征提取算法 | 第14-17页 |
2.2.1 HOG特征提取 | 第14-15页 |
2.2.2 LBP特征提取 | 第15-17页 |
2.3 自然场景文字分类算法 | 第17-18页 |
2.3.1 支持向量机 | 第17页 |
2.3.2 随机森林 | 第17-18页 |
2.3.3 人工神经网络 | 第18页 |
2.4 卷积神经网络算法 | 第18-21页 |
2.4.1 卷积神经网络的结构 | 第19-20页 |
2.4.2 卷积神经网络的训练 | 第20-21页 |
2.4.3 卷积神经网络在自然场景文字识别中的应用 | 第21页 |
2.5 二值卷积神经网络算法 | 第21-23页 |
2.5.1 二值化方法 | 第22页 |
2.5.2 离散化梯度传播 | 第22-23页 |
2.6 本章小结 | 第23-24页 |
第三章 BNN自然场景文字识别算法设计 | 第24-34页 |
3.1 自然场景文字数据库的建立及归一化设计 | 第24-25页 |
3.1.1 数据库的建立 | 第24-25页 |
3.1.2 归一化设计 | 第25页 |
3.2 基于CNN的自然场景文字识别 | 第25-27页 |
3.2.1 基于CNN的网络结构设计 | 第25-26页 |
3.2.2 基于CNN的卷积编解码网络结构设计 | 第26-27页 |
3.2.3 卷积编解码网络的网络参数分析 | 第27页 |
3.3 基于BNN的自然场景文字识别 | 第27-30页 |
3.3.1 基于BNN的二值卷积编解码网络设计 | 第27-29页 |
3.3.2 二值卷积编解码网络的网络参数分析 | 第29-30页 |
3.3.3 CNN编解码网络与BNN编解码网络参数对比 | 第30页 |
3.4 二值卷积编解码网络的训练 | 第30-32页 |
3.4.1 训练参数设置 | 第30-31页 |
3.4.2 训练过程设计 | 第31-32页 |
3.5 本章小结 | 第32-34页 |
第四章 二值卷积编解码网络的FPGA设计与仿真 | 第34-54页 |
4.1 二值卷积编解码网络硬件架构设计 | 第34-37页 |
4.1.1 顶层模块划分 | 第34-35页 |
4.1.2 并行度设计 | 第35-37页 |
4.2 适配器模块设计 | 第37-41页 |
4.2.1 模块设计 | 第37-40页 |
4.2.2 模块功能仿真 | 第40-41页 |
4.3 二值卷积编码器模块设计 | 第41-47页 |
4.3.1 模块设计 | 第41-45页 |
4.3.2 模块功能仿真 | 第45-47页 |
4.4 二值卷积解码器模块设计 | 第47-51页 |
4.4.1 模块设计 | 第47-50页 |
4.4.2 模块功能仿真 | 第50-51页 |
4.5 本章小结 | 第51-54页 |
第五章 系统验证与分析 | 第54-62页 |
5.1 开发环境 | 第54页 |
5.2 软件系统验证 | 第54-56页 |
5.2.1 软件系统验证 | 第54-55页 |
5.2.2 识别率的分析 | 第55页 |
5.2.3 网络参数和运行时间的分析 | 第55-56页 |
5.3 基于FPGA的系统验证 | 第56-60页 |
5.3.1 开发平台 | 第56-57页 |
5.3.2 硬件系统搭建 | 第57-58页 |
5.3.3 硬件系统验证 | 第58-60页 |
5.4 性能对比与结果分析 | 第60-61页 |
5.4.1 性能对比 | 第60页 |
5.4.2 结果分析 | 第60-61页 |
5.5 本章小结 | 第61-62页 |
第六章 总结与展望 | 第62-64页 |
6.1 总结 | 第62页 |
6.2 展望 | 第62-64页 |
致谢 | 第64-66页 |
参考文献 | 第66-68页 |
攻读硕士期间的成果 | 第68页 |