| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-15页 |
| 1.1.1 研究意义 | 第13页 |
| 1.1.2 研究难点 | 第13-15页 |
| 1.2 相关研究 | 第15-18页 |
| 1.2.1 传统方法 | 第15-16页 |
| 1.2.2 基于深度学习的场景文字检测方法 | 第16-18页 |
| 1.3 本文主要贡献和结构安排 | 第18-21页 |
| 1.3.1 本文主要贡献 | 第18-19页 |
| 1.3.2 本文结构安排 | 第19-21页 |
| 第二章 基于深度特征的目标检测框架 | 第21-31页 |
| 2.1 RCNN系列检测框架 | 第21-26页 |
| 2.1.1 RCNN | 第21-22页 |
| 2.1.2 Fast-RCNN | 第22-24页 |
| 2.1.3 Faster-RCNN | 第24-26页 |
| 2.2 SSD框架 | 第26-31页 |
| 2.2.1 默认矩形框 | 第27-29页 |
| 2.2.2 数据增强 | 第29页 |
| 2.2.3 空洞卷积算法 | 第29-31页 |
| 第三章 基于变形卷积和特征金字塔网络的多方向文字检测 | 第31-48页 |
| 3.1 SegLink框架 | 第31-37页 |
| 3.1.1 SegLink的基本结构 | 第31-32页 |
| 3.1.2 SegLink的网络结构 | 第32页 |
| 3.1.3 Segment的预测 | 第32-34页 |
| 3.1.4 SegLink的连接 | 第34-36页 |
| 3.1.5 SegLink的训练过程 | 第36-37页 |
| 3.2 特征金字塔网络 | 第37-38页 |
| 3.2.1 自底向上的通道 | 第37-38页 |
| 3.2.2 自上而下的通道以及侧边连接 | 第38页 |
| 3.3 掩模RCNN | 第38-39页 |
| 3.3.1 掩模RCNN结构 | 第38-39页 |
| 3.3.2 感兴趣区域配准层 | 第39页 |
| 3.4 变形卷积 | 第39-40页 |
| 3.5 本文方法的主要模块与结构 | 第40-42页 |
| 3.5.1 多层特征融合模块 | 第40-41页 |
| 3.5.2 变形卷积模块 | 第41-42页 |
| 3.5.3 掩模监督模块 | 第42页 |
| 3.6 实验结果 | 第42-48页 |
| 3.6.1 实验环境 | 第42-44页 |
| 3.6.2 本文方法和其它方法的实验对比 | 第44页 |
| 3.6.3 不同的模型与结构对文本检测性能的影响 | 第44-45页 |
| 3.6.4 尺度设置对文本检测性能的影响 | 第45-46页 |
| 3.6.5 阈值设置对文本检测性能的影响 | 第46页 |
| 3.6.6 实验结果 | 第46-48页 |
| 第四章 基于残差网络和焦点损失的多方向场景文字检测 | 第48-64页 |
| 4.1 EAST基本框架 | 第48-53页 |
| 4.1.1 网络结构 | 第48-50页 |
| 4.1.2 标签的生成 | 第50-51页 |
| 4.1.3 置信图的损失 | 第51页 |
| 4.1.4 几何位置的损失 | 第51-52页 |
| 4.1.5 局部响应的非极大值抑制 | 第52-53页 |
| 4.2 本文方法的模块与结构 | 第53-59页 |
| 4.2.1 残差网络 | 第53-55页 |
| 4.2.2 焦点损失 | 第55-56页 |
| 4.2.3 精炼网络 | 第56-58页 |
| 4.2.4 扩大特征映射图 | 第58-59页 |
| 4.3 实验结果 | 第59-64页 |
| 4.3.1 本文方法与其他方法的实验结果对比 | 第59-60页 |
| 4.3.2 不同模块与结构对文本检测性能的影响 | 第60-61页 |
| 4.3.3 阈值设置对文本检测性能的影响 | 第61-62页 |
| 4.3.4 尺度设置对文本检测性能的影响 | 第62-63页 |
| 4.3.5 实验结果 | 第63-64页 |
| 第五章 总结与展望 | 第64-65页 |
| 5.1 本文总结 | 第64页 |
| 5.2 未来工作展望 | 第64-65页 |
| 科研成果 | 第65-66页 |
| 致谢语 | 第66-67页 |
| 参考文献 | 第67-70页 |