| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 本课题的研究背景 | 第15-18页 |
| 1.1.1 自然场景文本定位和识别的起源和发展 | 第15-16页 |
| 1.1.2 自然场景文本定位和识别的处理流程 | 第16-17页 |
| 1.1.3 自然场景文本定位和识别的困难与挑战 | 第17-18页 |
| 1.2 本课题的研究现状 | 第18-22页 |
| 1.3 本课题研究的主要内容 | 第22页 |
| 1.4 本文的组织架构 | 第22-25页 |
| 第二章 深度学习常用方法介绍 | 第25-39页 |
| 2.1 卷积神经网络(CNN) | 第25-30页 |
| 2.1.1 卷积层(Convolution) | 第26页 |
| 2.1.2 激活层(Activation) | 第26-27页 |
| 2.1.3 池化层(Pooling) | 第27-28页 |
| 2.1.4 Dropout层 | 第28页 |
| 2.1.5 批规范层(Batch Normalization) | 第28-29页 |
| 2.1.6 全连接层(Dense) | 第29页 |
| 2.1.7 优化器(Optimizer) | 第29-30页 |
| 2.2 循环神经网络(RNN) | 第30-36页 |
| 2.2.1 长短期记忆网络(LSTM) | 第31-33页 |
| 2.2.2 联结主义时间分类器(CTC) | 第33-34页 |
| 2.2.3 注意力机制(Attention Mechanism) | 第34-36页 |
| 2.3 全卷积网络(FCN) | 第36-37页 |
| 2.4 本章小结 | 第37-39页 |
| 第三章 基于深度学习的自然场景文本定位 | 第39-53页 |
| 3.1 自然场景文本定位数据集 | 第39页 |
| 3.2 自然场景文本定位样本生成 | 第39-43页 |
| 3.2.1 基于深度学习的图像深度预测方法 | 第40-41页 |
| 3.2.2 根据图像的深度信息嵌入文字 | 第41-42页 |
| 3.2.3 其他需要考虑的问题 | 第42-43页 |
| 3.3 基于深度学习的自然场景文本定位方法 | 第43-52页 |
| 3.3.1 基于目标识别的单方向文本定位方法 | 第43-49页 |
| 3.3.2 基于全卷积网络的多方向文本定位方法 | 第49-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 基于深度学习的自然场景文本识别 | 第53-63页 |
| 4.1 自然场景文本识别数据集 | 第53-55页 |
| 4.1.1 训练集 | 第53-54页 |
| 4.1.2 测试集 | 第54-55页 |
| 4.2 基于深度学习的自然场景文本识别方法 | 第55-61页 |
| 4.2.1 基于CNN的识别方法 | 第55-57页 |
| 4.2.2 基于CNN+RNN+CTC的识别方法 | 第57-59页 |
| 4.2.3 基于CNN+RNN+Attention机制的识别方法 | 第59-61页 |
| 4.3 本章小结 | 第61-63页 |
| 第五章 实验结果分析与端到端的系统 | 第63-73页 |
| 5.1 自然场景下文本定位实验结果 | 第63-69页 |
| 5.1.1 基于目标定位的单方向文本定位方法 | 第63-65页 |
| 5.1.2 基于全连接网络的多方向文本定位方法 | 第65-69页 |
| 5.2 自然场景下文本识别实验结果 | 第69-70页 |
| 5.3 自然场景文本定位与识别的端到端系统 | 第70-71页 |
| 5.4 本章小结 | 第71-73页 |
| 第六章 结论与展望 | 第73-75页 |
| 6.1 本文工作总结 | 第73页 |
| 6.2 未来研究方向 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-81页 |
| 作者简介 | 第81-83页 |
