声明
第一章 绪论
1.1研究工作的背景与意义
1.2相关技术的发展历程
1.2.1汉字识别技术
1.2.2 OCR技术的发展
1.3论文主要工作
1.4 论文的结构安排
第二章 相关原理与技术
2.1 深度卷积神经网络
2.1.1 深度卷积神经网络的发展
2.1.2 卷积神经网络原理
2.1.3 经典深度卷积神经网络示例
2.2 循环神经网络
2.2.1 循环神经网络的原理
2.2.2 循环神经网络的早期改进
2.2.3 长短时记忆网络
2.2.4 门控循环单元
2.3 注意力机制
2.3.1 序列到序列的转换任务
2.3.2 注意力机制原理
2.4 迁移学习
2.4.1 迁移学习的运用场景
2.4.2 迁移学习的方法
2.5 基于插值方法的超分辨率技术
2.5.1 BiLinear插值方法
2.5.2 Lanczos插值方法
2.6 本章小结
第三章 单图像超分辨率技术
3.1 基于深度学习的超分辨率技术
3.1.1 基于深度学习的超分辨率技术的特点
3.1.2 基于深度学习的超分辨率模型
3.2 基于EDSR模型的改进方法
3.2.1 卷积分解
3.2.2 Weight归一化
3.3 本章小结
第四章 图像特征提取与文本识别
4.1 场景文本识别的难点
4.2 基于深度卷积神经网络的特征提取
4.2.1 特征提取模型
4.2.2 特征提取模型训练策略
4.3 基于注意力机制的文本识别
4.3.1 空间注意力机制
4.3.2 文本识别模型
4.4 本章小结
第五章 系统设计与实验分析
5.1 系统架构
5.1.1 系统模块
5.1.2 系统环境配置
5.1.3 整体模型结构
5.2 模型训练
5.2.1 训练数据集
5.2.2 数据增广方法
5.3 场景文本识别模型实验
5.3.1 模型训练结果
5.3.2 中文识别效果分析
5.3.3 英文识别效果分析
5.4 超分辨率预处理实验
5.4.1 实验流程
5.4.2 实验结果分析
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
致谢
参考文献
攻硕期间取得的成果
