声明
1. 绪论
1.1研究背景与意义
1.2国内外研究现状
1.2.1 传统基于特征设计的文本检测方法
1.2.2 基于语义分割模型的文本检测方法
1.2.3 基于目标检测模型的文本检测方法
1.2.4 基于实例分割模型的文本检测方法
1.3本文主要研究内容
1.4本文组织结构
2. 基于角点回归的自然场景文本检测
2.1引言
2.2 Mask R-CNN检测框架介绍
2.2.1 ResNets特征提取网络
2.2.2 区域建议网络
2.2.3 感兴趣区域对齐
2.2.4 分类、回归与掩膜预测网络
2.3基于角点回归的文本目标检测
2.3.1 角点回归网络
2.3.2 四边形非极大值抑制
2.4实验结果与分析
2.4.1 实验平台
2.4.2 实验设计
2.4.3 结果与分析
2.5本章小结
3. 基于自适应区域建议网络的自然场景文本检测
3.1引言
3.2区域建议网络设计的改进
3.2.1 原始区域建议网络中存在的问题
3.2.2 区域建议网络的改进方法
3.3基于自适应区域建议网络文本检测框架
3.3.1 检测框架
3.3.2 ARPN的训练
3.3.3 Anchors尺寸的最优化
3.3.4 实现细节
3.4实验结果与分析
3.4.1 ARPN有效性验证
3.4.2 基于ARPN的文本检测性能实验结果与分析
3.4.3 失败案例
3.5本章小结
4. 基于自注意力机制的自然场景文本检测
4.1引言
4.2计算机视觉中的自注意力机制
4.2.1 注意力机制的概念
4.2.2 自注意力机制与非局部网络
4.3基于自注意力机制的文本上下文捕获网络
4.3.1 构建思路
4.3.2 网络结构
4.3.3 实现细节
4.4 实验结果与分析 实验结果与分析
4.4.1 文本上下文捕获网络块有效性
4.4.2 结果与分析
4.4.3与其他基于Mask R-CNN框架的方法的比较
4.5本章小结
5. 总结与展望
5.1工作总结
5.2课题展望
致谢
参考文献
