| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 文本区域定位方法 | 第12-14页 |
| 1.2.2 文字识别方法 | 第14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 2 相关工作 | 第17-29页 |
| 2.1 自然场景文本数据集 | 第17-20页 |
| 2.1.1 ICDAR2013数据集 | 第17-18页 |
| 2.1.2 COCO-Text数据集 | 第18-19页 |
| 2.1.3 RCTW-17数据集 | 第19页 |
| 2.1.4 MSRA-TD500数据集 | 第19-20页 |
| 2.2 特征提取方法 | 第20-23页 |
| 2.2.1 MSER特征 | 第20-21页 |
| 2.2.2 SWT特征 | 第21-23页 |
| 2.2.3 深度学习特征 | 第23页 |
| 2.3 基于深度学习的目标检测框架 | 第23-27页 |
| 2.3.1 R-CNN系列 | 第23-26页 |
| 2.3.2 SSD | 第26-27页 |
| 2.4 评估方法 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 人工生成文档图像数据集 | 第29-33页 |
| 3.1 人工合成带有文本的图像 | 第29-31页 |
| 3.1.1 自然场景文本数据集 | 第30-31页 |
| 3.1.2 文字识别数据集 | 第31页 |
| 3.2 人工生成数据集标注及校准 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 4 基于深度学习的场景文本检测算法设计 | 第33-49页 |
| 4.1 自然场景文本检测器 | 第33-38页 |
| 4.1.1 基础网络(BaseNetwork) | 第33-34页 |
| 4.1.2 卷积检测预测器 | 第34-35页 |
| 4.1.3 Anchor-box(默认框)设计 | 第35-36页 |
| 4.1.4 多尺度特征图检测 | 第36-37页 |
| 4.1.5 批归一化处理(BatchNormalization) | 第37页 |
| 4.1.6 非极大值抑制(NMS) | 第37-38页 |
| 4.2 使用FCN生成位置概要图 | 第38-39页 |
| 4.3 对检测器与位置概要图的融合使用 | 第39-41页 |
| 4.4 模型训练 | 第41页 |
| 4.5 实验结果对比及分析 | 第41-47页 |
| 4.5.1 ICDAR2013数据集实验结果 | 第42-43页 |
| 4.5.2 MSRA-TD500数据集实验结果 | 第43-44页 |
| 4.5.3 COCO-Text数据集实验结果 | 第44-45页 |
| 4.5.4 RCTW-17数据集实验结果 | 第45-46页 |
| 4.5.5 位置概要网络实验结果分析 | 第46-47页 |
| 4.6 本章小结 | 第47-49页 |
| 5 基于深度学习的文本序列识别 | 第49-55页 |
| 5.1 文本序列识别算法 | 第49-51页 |
| 5.1.1 识别算法网络结构 | 第49-51页 |
| 5.1.2 CTC(ConnectionistTemporalClassification)损失函数 | 第51页 |
| 5.2 文本序列数据集 | 第51页 |
| 5.3 对文本序列图像识别算法性能的研究 | 第51-52页 |
| 5.4 本章小结 | 第52-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |