| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 水平方向上的文本检测算法研究现状 | 第11-14页 |
| 1.2.2 任意方向上的文本检测算法研究现状 | 第14-15页 |
| 1.3 文本检测的主要技术难点 | 第15-18页 |
| 1.4 主要研究内容及章节安排 | 第18-20页 |
| 第二章 自然场景下的文本检测相关算法 | 第20-33页 |
| 2.1 图像的预处理 | 第20-21页 |
| 2.2 文本候选区域提取算法 | 第21-24页 |
| 2.2.1 MSER算法 | 第21-23页 |
| 2.2.2 SWT算法 | 第23-24页 |
| 2.3 基于深度神经网络的分类器 | 第24-32页 |
| 2.3.1 深度神经网络的概述 | 第25-28页 |
| 2.3.2 神经网络的前向传播算法 | 第28-29页 |
| 2.3.3 基于梯度下降法的反向传播算法 | 第29-30页 |
| 2.3.4 模型过拟合和修正方法 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 自然场景下水平方向上的文本区域检测 | 第33-45页 |
| 3.1 引言 | 第33-35页 |
| 3.2 基于垂直区域回归网络的自然场景文本检测算法 | 第35-39页 |
| 3.2.1 基于区域建议网络(RPN)的方法 | 第35页 |
| 3.2.2 基于垂直区域回归网络(PRRN)的方法 | 第35-39页 |
| 3.3 实验及分析 | 第39-44页 |
| 3.3.1 数据集及评估标准 | 第39-40页 |
| 3.3.2 实验结果及分析 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 自然场景下任意方向上的文本区域检测 | 第45-60页 |
| 4.1 引言 | 第45-46页 |
| 4.2 任意方向文本区域检测算法 | 第46-53页 |
| 4.2.1 RPN框架的改进 | 第48-51页 |
| 4.2.2 ROI池化层的改进 | 第51-53页 |
| 4.3 实验及分析 | 第53-59页 |
| 4.3.1 数据集及评估标准 | 第53-54页 |
| 4.3.2 实验结果及分析 | 第54-59页 |
| 4.4 本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 1 总结 | 第60-61页 |
| 2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间的研究成果 | 第67-68页 |