掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
自然場景文本檢測算法研究 版權信息
- ISBN：9787115583871
- 條形碼：9787115583871 ; 978-7-115-58387-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
自然場景文本檢測算法研究 本書特色
豐富的圖文講解先進的文本識別算法有效的檢測模型擁有高F測度值展示了自然場景文本識別的新研究成果展示了自然場景文本識別的新研究成果
自然場景文本檢測算法研究 內容簡介
以深度學習為基礎的文本檢測算法有基于回歸的模型和基于分割的模型，目前這兩種模型的應用效果各有優劣。為解決回歸模型對訓練數據的依賴，以及分割模型受目標尺寸影響的問題，本書提出了兩種新的算法：TSFnet和Mnet。 全書分為5章，概述了自然場景下文本檢測的研究現狀，陳述了相關算法的問題、數據集與存在的挑戰，并通過實驗，對基于融合網絡的TSFnet模型及結合區域網絡與注意力網絡的Mnet模型進行了詳細的介紹，*后對相關的應用進行了簡介。 本書結構清晰，文字流暢，圖文并茂，適合從事場景文本檢測與識別研究的相關讀者閱讀，也適合作為高校相關專業學生的參考書。
自然場景文本檢測算法研究 目錄
目 錄
第 1章 緒論 1
1．1研究背景 1
1．2 問題與挑戰 3
1．3主要研究內容 5
1．4 本文的組織結構 5
第 2章 場景文本檢測算法綜述 7
2．1簡介 7
2．2場景文本檢測和識別過程概述 8
2．3場景文本檢測和識別算法分類 10
2．3．1基于傳統機器學習的場景文本檢測和識別算法 10
2．3．2基于深度學習的場景文本檢測和識別算法 28
2．4文本檢測和識別的評價指標 41
2．5文本檢測和識別的數據集 42
2．5．1 ICDAR數據集 42
2．5．2 SVT數據集 44
2．5．3 IIIT數據集 45
2．5．4 KAIST數據集 46
2．5．5 CTW數據集 46
2．5．6 RCTW-17數據集 47
2．5．7 ICPR MWI 2018數據集 48
2．5．8 Total-Text數據集 48
2．5．9 Google FSNS數據集 49
2．5．10 COCO-TEXT數據集 49
2．5．11 Synthetic數據集 50
2．6 總結 50
第3章 基于融合網絡的TSFnet模型 52
3．1 問題形成 52
3．2 相關研究 52
3．2．1基于回歸的模型 53
3．2．2 基于分割的模型 53
3．3 TSFnet 54
3．4實驗 60
3．4．1評價指標 60
3．4．2 參數設置 60
3．4．3 結果與分析 61
3．5 本章小結 64
第4章 結合區域建議網絡與注意力網絡的Mnet算法 66
4．1 問題形成 66
4．2 相關研究 66
4．2．1基于回歸的模型 66
4．2．2 基于分割的模型 67
4．2．3 兩階段檢測模型 67
4．3 Mnet 68
4．3．1 Scale-RPN 69
4．3．2回歸網絡 70
4．3．3 分割網絡 70
4．3．4 注意力網絡 71
4．4 實驗 72
4．4．1評價指標 72
4．4．2參數設置 72
4．4．3實驗對比與分析 73
4．5 本章小結 75
第5章 場景文本檢測與識別應用 77
5．1卡證文字檢測與識別 77
5．1．1證件文字檢測與識別 77
5．1．2 銀行卡文字檢測與識別 79
5．1．3 名片文字檢測與識別 79
5．1．4 營業執照文字檢測與識別 80
5．2票據文字檢測與識別 80
5．3汽車場景文字檢測與識別 81
5．3．1 車牌檢測與識別 81
5．3．2 汽車VIN碼檢測與識別 83
5．4 文檔文字檢測與識別 83
5．5 自然場景文字檢測識別 84
第6章 總結與展望 86
6．1 總結 86
6．2展望 86
參考文獻 88
第 1章 緒論 1
1．1研究背景 1
1．2 問題與挑戰 3
1．3主要研究內容 5
1．4 本文的組織結構 5
第 2章 場景文本檢測算法綜述 7
2．1簡介 7
2．2場景文本檢測和識別過程概述 8
2．3場景文本檢測和識別算法分類 10
2．3．1基于傳統機器學習的場景文本檢測和識別算法 10
2．3．2基于深度學習的場景文本檢測和識別算法 28
2．4文本檢測和識別的評價指標 41
2．5文本檢測和識別的數據集 42
2．5．1 ICDAR數據集 42
2．5．2 SVT數據集 44
2．5．3 IIIT數據集 45
2．5．4 KAIST數據集 46
2．5．5 CTW數據集 46
2．5．6 RCTW-17數據集 47
2．5．7 ICPR MWI 2018數據集 48
2．5．8 Total-Text數據集 48
2．5．9 Google FSNS數據集 49
2．5．10 COCO-TEXT數據集 49
2．5．11 Synthetic數據集 50
2．6 總結 50
第3章 基于融合網絡的TSFnet模型 52
3．1 問題形成 52
3．2 相關研究 52
3．2．1基于回歸的模型 53
3．2．2 基于分割的模型 53
3．3 TSFnet 54
3．4實驗 60
3．4．1評價指標 60
3．4．2 參數設置 60
3．4．3 結果與分析 61
3．5 本章小結 64
第4章 結合區域建議網絡與注意力網絡的Mnet算法 66
4．1 問題形成 66
4．2 相關研究 66
4．2．1基于回歸的模型 66
4．2．2 基于分割的模型 67
4．2．3 兩階段檢測模型 67
4．3 Mnet 68
4．3．1 Scale-RPN 69
4．3．2回歸網絡 70
4．3．3 分割網絡 70
4．3．4 注意力網絡 71
4．4 實驗 72
4．4．1評價指標 72
4．4．2參數設置 72
4．4．3實驗對比與分析 73
4．5 本章小結 75
第5章 場景文本檢測與識別應用 77
5．1卡證文字檢測與識別 77
5．1．1證件文字檢測與識別 77
5．1．2 銀行卡文字檢測與識別 79
5．1．3 名片文字檢測與識別 79
5．1．4 營業執照文字檢測與識別 80
5．2票據文字檢測與識別 80
5．3汽車場景文字檢測與識別 81
5．3．1 車牌檢測與識別 81
5．3．2 汽車VIN碼檢測與識別 83
5．4 文檔文字檢測與識別 83
5．5 自然場景文字檢測識別 84
第6章 總結與展望 86
6．1 總結 86
6．2展望 86
參考文獻 88
展開全部
自然場景文本檢測算法研究 作者簡介
主編：趙雪專，男，1986年7月出生，講師，博士，博士畢業于中國科學院大學，主要研究方向為機器學習與模式識別，研究成果主要應用有于計算機視覺領域。近年來，主持或參與多項國家和省部級科研項目，發表相關學術論文20余篇。申請專利24項，其中授權13項。主持完成多項橫向項目，如探地雷達定位系統、視頻摘要系統、智能視頻監控系統、DSP無線車型識別系統、疲勞檢測系統等。 副主編：李玲玲，女，1973年1月出生，教授，博士后，鄭州航空工業管理學院智能工程學院院長，多模信息感知河南省工程實驗室主任、河南省航空物流大數據工程研究中心主任。博士畢業于華中科技大學圖像識別與人工智能研究所，廈門大學博士后流動站出站。研究方向為計算機視覺。河南省創新人才杰出青年，河南省學術技術帶頭人，河南省“創新型科技團隊”帶頭人、河南省高校科技創新團隊帶頭人、鄭州市科技創新團隊帶頭人，河南省高等學校青年骨干教師，河南省教育廳學術帶頭人，河南省計算機教育學會常務理事。國家自然科學基金評審，通信學報、中國圖像圖形學報、武漢大學學報等評審。主持國家自然科學基金面上項目、人才支持計劃、河南省科技創新杰出青年基金、航空科學基金、河南省科技攻關項目等科研項目16項；完成省級項目鑒定9項；出版科研5部；先后獲得河南省科學技術進步三等獎等獎項15項。 羅向陽，男，1978年生，戰略支援部隊信息工程大學教授、博導，河南省網絡空間態勢感知重點實驗室主任，國防科技青年基金獲得者，先后入選河南省科技創新杰出青年和杰出人才、中原科技創新領軍人才。先后主持國家自然科學基金5項（其中重點項目2項），國家863項目軍口課題、國家重點研發計劃課題、裝發預研重點項目等國家、軍隊和省部級科研項目30余項，在IEEE JSAC、TIFS、TDSC、TII、TMM、TCSVT、TCC、TCSS、ACM TIOT、ACM TIOS、ACM TOMM、IEEE/ACM TNET、《中國科學》、《計算機學報》、《軟件學報》、《計算機研究與發展》和IJCAI、WWW、INFOCOM、ACM MM、IH、IH&MMSec等國內外重要學術期刊/會議發表論文200余篇，其中被SCI檢索120余篇，5篇論文入選ESI高被引論文。在科學出版社出版《網絡空間測繪》專著1部，獲發明專利授權30余項。先后獲百篇優博提名獎和全軍博士學位論文獎，獲技術發明一等獎和中國電子學會技術發明一等獎各1項、軍隊和河南省科技進步二等獎4項，軍隊教學成果二等獎1項，指導研究生獲全軍和河南省學位論文4篇。
書友推薦
- >
【精裝繪本】畫給孩子的中國神話
- >
名家帶你讀魯迅:故事新編
- >
煙與鏡
- >
莉莉和章魚
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
山海經
- >
李白與唐代文化
- >
我從未如此眷戀人間
本類暢銷
