| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 自然场景文本检测与识别的研究现状 | 第11-17页 |
| 1.2.1 自然场景文本检测研究现状 | 第11-14页 |
| 1.2.1.1 基于纹理/连通域特征的文本检测算法 | 第11-12页 |
| 1.2.1.2 基于深度网络提取特征的文本检测算法 | 第12-14页 |
| 1.2.2 自然场景文本识别研究现状 | 第14-17页 |
| 1.2.2.1 基于字符/单词的识别算法 | 第14-15页 |
| 1.2.2.2 基于文本序列的识别算法 | 第15-17页 |
| 1.3 论文的主要研究内容 | 第17页 |
| 1.4 本文章节安排 | 第17-19页 |
| 第二章 基于回归模型的水平文本检测方法 | 第19-33页 |
| 2.1 引言 | 第19-20页 |
| 2.2 本章算法框架 | 第20-21页 |
| 2.3 针对水平文本行特点的特征提取网络设计 | 第21-23页 |
| 2.4 基于回归模型的快速文本检测 | 第23-25页 |
| 2.5 实验结果及分析 | 第25-32页 |
| 2.5.1 实验环境 | 第25页 |
| 2.5.2 训练数据库构建及标准数据库介绍 | 第25-27页 |
| 2.5.3 网络模型训练 | 第27页 |
| 2.5.4 网络模型测试实验结果分析 | 第27-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于候选区域的多方向文本检测方法 | 第33-43页 |
| 3.1 引言 | 第33-34页 |
| 3.2 本章算法框架 | 第34页 |
| 3.3 结合序列特征的候选区域提取 | 第34-36页 |
| 3.4 改进的多方向文本行检测 | 第36-37页 |
| 3.5 实验结果及分析 | 第37-42页 |
| 3.5.1 客观实验结果分析 | 第37-39页 |
| 3.5.2 主观实验结果展示 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于残差网络的中文文本序列识别 | 第43-58页 |
| 4.1 引言 | 第43-44页 |
| 4.2 本章算法框架 | 第44-45页 |
| 4.3 人工合成中文文本识别数据库 | 第45-47页 |
| 4.3.1 合成数据库方法介绍 | 第45-46页 |
| 4.3.2 数据库主观展示与介绍 | 第46-47页 |
| 4.4 网络模型介绍 | 第47-48页 |
| 4.5 网络模型训练及测试 | 第48-57页 |
| 4.5.1 网络模型训练 | 第48-49页 |
| 4.5.2 客观实验结果分析 | 第49-53页 |
| 4.5.3 主观实验结果展示 | 第53-54页 |
| 4.5.4 自然场景文本识别结果展示及分析 | 第54-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 攻读硕士学位期间取得的成果 | 第68页 |