基于深度神经网络的自然场景文本检测方法的研究

摘要

互联网作为信息获取的重要渠道，包含内容广，传播速度快，在网路信息安全方面存在一个日益的问题一些用户为了避免网络过滤系统对信息文本内容的搜索和检查，故意将一些不良、非法信息进行一定程度的隐藏和伪装，比如通过以图像文件等形式嵌入到网页当中进行传播。由此可见，图像的文本检测识别技术的研究对网络信息安全、网络过滤等有着特别重要的实际意义。
　　针对自然场景的文本检测，背景复杂高，传统算法很难精确化检测、定位。这个给之后的文本识别造成了巨大的难题。然而，随着近年来机器学习的兴起，深度神经网络给自然场景文本带来新的契机，但精度已经不是衡量的唯一标准，检测速度，成了将算法实施或者商业化的必要条件。自然场景中的文本检测是将自然场景图片中的文本检测并定位，为后续的文本识别工作做准备。
　　本文的主要提出了基于SSD-CTPN的文本检测方法，开发了基于深度神经网络的文本检测系统，将SSD和CTPN方法串联方式结合，在SSD快速检测文竖直文本区域位置的基础上，利用CTPN最终确定文本行的准确水平位置，在提高文本检测的速度同时，增强了多文本行检测的精度和效果。
　　通过在公开数据集上进行测试实验，与一些现有检测算法做比较，表明本文所提算法具备较好的文本检测性能。

目录

声明

摘要

1．1研究背景与意义

1．2国内外研究现状

1．3本文的研究内容和组织结构

第二章场景文本检测研究综述

2．1传统文本检测方法

2．1．1区域选择

2．1．2基于纹理的文本检测方法

2．1．3基于颜色的文本检测方法

2．1．4基于连通域的文本检测方法

2．1．5基于多特征融合的文本检测方法

2．2基于深度神经网络的文本检测方法

2．3公开数据集

第三章SSD-CTPN文本检测方法

3．1引言

3．2目标检测的深度神经网络

3．2．1 DPM检测方法

3．2．2区域建议的目标检测深度神经网络

3．3 SSD

3．4 CTPN

3．5 SSD-CTPN文本检测算法

4．1系统概述

4．1．1系统应用背景

4．1．2系统开发环境

4．2系统设计与实现

4．2．1系统SSD架构图

4．2．2系统训练策略

4．2．3 CTPN架构图

4．3实验评估

4．3．1准确率，召回率，综合评价指标

4．3．2 mAP

4．3．3 IOU

4．4数据集与实验结果

4．3．1SSD自然场景文字检测实验数据集与实验结果

4．3．2 CTPN自然场景文字检测实验数据集与实验结果

4．3．3SSD-CTPN实验结果分析

第五章总结与展望

5．2未来工作展望

参考文献

致谢