|
|
|
基于深度学习的自然场景文本检测与识别 |
|
论文目录 |
|
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 |
|
|
|
|
论文编号BS3822205,这篇论文共68页 会员购买按0.35元/页下载,共需支付23.8元。 直接购买按0.5元/页下载,共需要支付34元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|