| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 字符识别研究现状 | 第11-13页 |
| 1.2.2 深度学习研究现状 | 第13-15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 2 样本的预处理 | 第16-25页 |
| 2.1 纸币序列号样本介绍 | 第16-18页 |
| 2.2 纸币序列号图像预处理 | 第18-24页 |
| 2.2.1 字符的分割 | 第19-22页 |
| 2.2.2 尺度变换 | 第22页 |
| 2.2.3 数据集扩增 | 第22-24页 |
| 2.3 样本标签处理 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 卷积神经网络字符识别系统 | 第25-57页 |
| 3.1 卷积神经网络介绍 | 第25-37页 |
| 3.1.1 基本神经网络介绍 | 第25-30页 |
| 3.1.2 卷积神经网络介绍 | 第30-32页 |
| 3.1.3 卷积神经网络结构 | 第32-37页 |
| 3.2 深度卷积神经网络的构建 | 第37-47页 |
| 3.2.1 深度卷积神经网络结构设计 | 第37-42页 |
| 3.2.2 实验及结果 | 第42-47页 |
| 3.3 全局与局部特征相结合的卷积神经网络的构建 | 第47-55页 |
| 3.3.1 字符图像的子区域块提取 | 第48-49页 |
| 3.3.2 全局与局部特征结合的卷积神经网络设计 | 第49-51页 |
| 3.3.3 实验及结果 | 第51-55页 |
| 3.4 字符识别系统的ARM端实现 | 第55-56页 |
| 3.5 本章小结 | 第56-57页 |
| 4 膨胀卷积神经网络字符识别系统 | 第57-75页 |
| 4.1 膨胀卷积 | 第57-64页 |
| 4.1.1 诞生背景 | 第57-58页 |
| 4.1.2 膨胀卷积 | 第58-61页 |
| 4.1.3 基于膨胀卷积的结构设计 | 第61-64页 |
| 4.2 深度膨胀卷积神经网络的构建 | 第64-68页 |
| 4.2.1 深度膨胀卷积神经网络结构设计 | 第64-65页 |
| 4.2.2 实验及结果 | 第65-68页 |
| 4.3 全局与局部特征相结合的膨胀卷积神经网络的构建 | 第68-74页 |
| 4.3.1 全局与局部特征相结合的膨胀卷积神经网络设计 | 第69-71页 |
| 4.3.2 实验及结果 | 第71-74页 |
| 4.4 本章小结 | 第74-75页 |
| 5 总结与展望 | 第75-78页 |
| 5.1 本文总结 | 第75-76页 |
| 5.2 后续工作展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81页 |