多方向自然场景文本提取方法研究
自然场景文本论文 区域建议论文 全卷积神经网络论文
论文详情
中文摘要 | 第3-4页 |
英文摘要 | 第4-5页 |
1 绪论 | 第8-16页 |
1.1 研究背景及意义 | 第8-9页 |
1.2 场景文本提取难点 | 第9-11页 |
1.3 研究现状 | 第11-14页 |
1.3.1 基于纹理的方法 | 第12页 |
1.3.2 基于连通域的方法 | 第12-13页 |
1.3.3 基于纹理+连通域的方法 | 第13-14页 |
1.4 研究内容与章节安排 | 第14-16页 |
1.4.1 主要工作 | 第14页 |
1.4.2 论文组织结构 | 第14-16页 |
2 自然场景文本定位相关技术 | 第16-26页 |
2.1 图像处理相关技术 | 第16-22页 |
2.1.1 边缘检测 | 第16-18页 |
2.1.2 数学形态学运算 | 第18-21页 |
2.1.3 二值图像连通域标记 | 第21-22页 |
2.2 目标检测相关算法 | 第22-25页 |
2.2.1 R-CNN系列网络 | 第22-23页 |
2.2.2 SSD网络 | 第23-25页 |
2.3 本章小结 | 第25-26页 |
3 基于MSER与全卷积网络的候选字符区域检测方法 | 第26-52页 |
3.1 引言 | 第26-27页 |
3.2 基于MSER与FCN的候选字符区域检测方法 | 第27-38页 |
3.2.1 基于MSER的区域分解 | 第29-31页 |
3.2.2 基于全卷积网络的文本显著图检测 | 第31-34页 |
3.2.3 候选字符区域相似度计算与聚合 | 第34-37页 |
3.2.4 候选字符区域建议排序 | 第37-38页 |
3.3 数据集与评价标准 | 第38-42页 |
3.3.1 训练与测试数据集 | 第38-40页 |
3.3.2 场景文本定位算法评价标准 | 第40-42页 |
3.4 实验结果与分析 | 第42-50页 |
3.4.1 多样化策略 | 第42-44页 |
3.4.2 文本区域建议排序 | 第44页 |
3.4.3 方法对比 | 第44-49页 |
3.4.4 误差分析 | 第49-50页 |
3.5 本章小结 | 第50-52页 |
4 基于文本区域建议与卷积神经网络的多方向文本提取方法 | 第52-66页 |
4.1 引言 | 第52-53页 |
4.2 多方向文本提取 | 第53-60页 |
4.2.1 卷积神经网络 | 第54-57页 |
4.2.2 特征层融合 | 第57-58页 |
4.2.3 候选文本框修正 | 第58-59页 |
4.2.4 倾斜非极大值抑制 | 第59-60页 |
4.3 实验结果与分析 | 第60-65页 |
4.3.1 实验细节 | 第60-61页 |
4.3.2 检测性能 | 第61-65页 |
4.4 本章小结 | 第65-66页 |
5 总结与展望 | 第66-68页 |
5.1 本文工作总结 | 第66页 |
5.2 未来工作展望 | 第66-68页 |
致谢 | 第68-70页 |
参考文献 | 第70-76页 |
附录 | 第76页 |
A.作者在攻读硕士学位期间发表的论文 | 第76页 |
B.作者在攻读硕士学位期间参与的科研项目 | 第76页 |
论文购买
论文编号
ABS4590923,这篇论文共76页
会员购买按0.30元/页下载,共需支付
22.8。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
38。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文