基于神经网络的自然场景中的字符识别算法的研究与实现

目录

声明

第一章 绪论

1.1 研究工作的背景与意义

1.2 自然环境下字符识别技术的国内外研究历史与现状

1.2.1 基于候选框的文本检测

1.2.2 基于分割的文本检测

1.2.3 文本识别方法

1.3 本文的主要内容与创新

1.4 本论文的结构安排

第二章 相关理论和技术

2.1 卷积神经网络

2.1.1 卷积神经网络的基本原理

2.1.2 卷积神经网络的基本概念

2.1.3 优化器

2.1.4 网络的训练

2.1.5 卷积神经网络和传统神经网络

2.2 循环神经网络

2.2.1 RNN

2.2.2 LSTM

2.2.3 LSTM的内部原理

2.2.4 CTC

2.2.5 Attention机制

2.3 本章小结

第三章 文本检测算法的研究与实现

3.1 文本检测与识别的常用方案

3.2 通用的物体检测模型

3.2.1 SSD

3.2.2 Faster-RCNN

3.3 PSENet

3.3.1 整体流程

3.3.2 主干网络

3.3.3 渐进式尺度扩展算法

3.3.4 Label生成

3.3.5 损失函数

3.4 PSENet的改进

3.4.1 主干网络的改进

3.4.2 label生成的改进

3.4.3 Loss改进

3.5 实验

3.5.1 搭建实验环境

3.5.2 准备实验数据

3.5.3 定义评价指标

3.5.4 定义网络模型

3.5.5 模型的训练与测试

3.6 本章小结

第四章 文本识别算法的研究与实现

4.1 文本识别概述

4.2 典型的文本识别结构

4.2.1 CRNN+CTC

4.2.2 CNN+Seq2Seq+Attention

4.2.3 Transformer

4.3 文本识别模块的实现

4.3.1 识别架构的设计与实现

4.3.2 Encoder实现

4.3.3 Decoder 实现

4.3.4 数据与预处理

4.3.5 Loss函数选择

4.3.6 训练过程设计

4.3.7 预测过程设计

4.3.8 文本识别效果展示

4.4 本章小结

第五章 全文总结与展望

5.1 全文总结

5.2 后续工作展望

致 谢

参考文献