面向自然场景的端对端英文文字识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 相关技术及研究现状 | 第12-22页 |
| 1.2.1 文档图像分析 | 第13-15页 |
| 1.2.2 自然场景文字识别面临的挑战 | 第15-18页 |
| 1.2.3 研究现状 | 第18-22页 |
| 1.3 本文的主要研究内容 | 第22页 |
| 1.4 文章的结构安排 | 第22-25页 |
| 第二章 字符的特征表示与分类 | 第25-47页 |
| 2.1 自然场景文字的特点 | 第25-26页 |
| 2.2 基于卷积神经网络的字符特征的层次化表示 | 第26-31页 |
| 2.2.1 无监督学习 | 第27-30页 |
| 2.2.2 基于卷积神经网络的特征提取 | 第30-31页 |
| 2.3 基于梯度方向直方图的字符特征表示 | 第31-35页 |
| 2.4 字符分类与支持向量机 | 第35-39页 |
| 2.5 字符识别实验 | 第39-45页 |
| 2.5.1 图像库及评测标准 | 第39-40页 |
| 2.5.2 二类字符分类的实验结果 | 第40-44页 |
| 2.5.3 62类字符分类的实验结果 | 第44-45页 |
| 2.6 本章小结 | 第45-47页 |
| 第三章 基于分层特征过滤的文本定位方法 | 第47-75页 |
| 3.1 文本定位框架 | 第47-48页 |
| 3.2 字符定位 | 第48-58页 |
| 3.2.1 最大稳定极值区域 | 第49-52页 |
| 3.2.2 字符图像的分层特征 | 第52-58页 |
| 3.3 字符串定位 | 第58-62页 |
| 3.3.1 字符的融合 | 第58-60页 |
| 3.3.2 字符串的过滤 | 第60-62页 |
| 3.4 单词分割 | 第62-63页 |
| 3.5 文本定位实验 | 第63-73页 |
| 3.5.1 图像库及评测标准 | 第63-66页 |
| 3.5.2 ICDAR 2003的实验结果与分析 | 第66-70页 |
| 3.5.3 ICDAR 2011的实验结果与分析 | 第70-71页 |
| 3.5.4 SVT的实验结果与分析 | 第71-73页 |
| 3.6 本章小结 | 第73-75页 |
| 第四章 端对端的自然场景文字识别方法 | 第75-87页 |
| 4.1 端对端的场景文字识别的模型框架 | 第76-80页 |
| 4.1.1 基于词典的文本识别 | 第76-77页 |
| 4.1.2 基于编辑距离的文本矫正 | 第77-80页 |
| 4.2 场景文字识别实验 | 第80-86页 |
| 4.2.1 图像库及评测标准 | 第80-81页 |
| 4.2.2 ICDAR 2003的实验结果与分析 | 第81-83页 |
| 4.2.3 词典容量对识别性能的影响 | 第83-84页 |
| 4.2.4 SVT的实验结果与分析 | 第84-86页 |
| 4.3 本章小结 | 第86-87页 |
| 第五章 总结与展望 | 第87-89页 |
| 5.1 总结 | 第87页 |
| 5.2 展望 | 第87-89页 |
| 参考文献 | 第89-95页 |
| 研究生期间的科研成果 | 第95-97页 |
| 致谢 | 第97页 |
