隨著移動(dòng)終端尤其是具有拍照功能的智能手機(jī)廣泛普及,使得人們能夠輕易地捕獲海量的自然場(chǎng)景圖像。同時(shí),伴隨著深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)的飛速發(fā)展,自然場(chǎng)景文本定位與識(shí)別以及如何將現(xiàn)有神經(jīng)網(wǎng)絡(luò)模型經(jīng)過(guò)壓縮后移植到移動(dòng)終端成為近些年的研究熱點(diǎn),這個(gè)方向的研究具有重要的理論意義和廣泛的應(yīng)用前景。本文以自然場(chǎng)景為研究背景,圍繞如何從自然場(chǎng)景中高效地識(shí)別文本信息以及深度神經(jīng)網(wǎng)絡(luò)模型壓縮展開(kāi)研究,設(shè)計(jì)并實(shí)現(xiàn)了基于移動(dòng)終端的自然場(chǎng)景文本識(shí)別系統(tǒng)。論文的主要內(nèi)容如下:（1）在自然場(chǎng)景文本定位中,從目標(biāo)檢測(cè)問(wèn)題出發(fā),在研究和總結(jié)現(xiàn)階段存在的優(yōu)秀文本定位算法之后,本文設(shè)計(jì)了一種基于YOLO v3結(jié)構(gòu)的文本定位算法,并與現(xiàn)有的CTPN算法進(jìn)行了實(shí)驗(yàn)對(duì)比,實(shí)驗(yàn)結(jié)果表明YOLO算法在推理耗時(shí)-上比CTPN算法大幅減少,但在場(chǎng)景文本定位精度上前者比后者差。（2）針對(duì)自然場(chǎng)景文本識(shí)別問(wèn)題,文本分析了一種由CNN和RNN組成的CRNN文本識(shí)別算法,通過(guò)模型的預(yù)訓(xùn)練及一系列的評(píng)價(jià)實(shí)驗(yàn),結(jié)果表明CRNN在模型尺度較小的情況下能夠勝任一般自然場(chǎng)景的文本識(shí)別任務(wù)。（3）對(duì)于深度神經(jīng)網(wǎng)絡(luò)模型壓縮,本文首先剖析了現(xiàn)有網(wǎng)絡(luò)模型移植到移動(dòng)終端... 

【文章來(lái)源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１網(wǎng)格單元??

Ｗｅｉ?Ｌｉｕ等人在２０１５年提出ＳＳＤ模型，比ＹＯＬＯ?ｖ丨的檢測(cè)速度更快。ＳＳＤ采用全卷積網(wǎng)絡(luò)??結(jié)構(gòu)，利用ＶＧＧ１６網(wǎng)絡(luò)中的前５層進(jìn)行特征提取，后面新增了卷積層來(lái)獲得更多的特征圖以用??于檢測(cè)，網(wǎng)絡(luò)結(jié)構(gòu)如圖２－２所示。??Ｅｘｔｒａ?Ｆｅａｔｕｒｅ?Ｌａｙｅｒｓ??ＶＧＧ－１６?ｉ??＼廣＿?ｔｈｒｏｕｇｈＰｏｏｊＳｊａｊｒｅｆ＾?—?ｃ〇ｎｖ?３？３？？（３？（ａ松??＼?＼?、、?＼?＼?ｘ?Ｏａｓｓｒｔｗｆ：?Ｃｏｎｖ?３ｘ３ｘ（６ｘ（ａａｓｓｅｓ＞４））?？?賽??－ｉ?、ｒ?＿Ｙｒ、ｉ?１?ｖ＾ｋｖ－?—ｉ?｜??§?－?ｉ?－?：?－?－??Ｉ?Ｃ？ｗ４＿３?ＣｏｎＡ?Ｃｏｎ，？?１０?￥?ＣａｍＶｉＪ?Ｍ?￡??＿＿Ｊ?＿＊＊?Ｃａ？？?２?；?＼?Ｖ??＊■?Ｏ?Ｓ?ｊ??＾１??Ｃｏｎｖ?３？３？１０２４?Ｃｏｎｖ?１＊１ｍ１０２４?Ｃ？ｔｖ?１＊１ｘ２Ｓ６?Ｃｏｎｖ?１＊１＊１２８?Ｃｏｗ?１ｘ１ｘ１２８?Ａｖｇ?Ｐｏｏｆｃｎｆｌ?Ｇｌｏｂａｌ??Ｃｏｎｖ?３＊３ｘ５１２?＊２?Ｃｏｎｖ?３＊３ｋ２５６－ｓ２?Ｃｏｒｗ?３ｘ３ｘ２Ｓ６－ｓ２??圖２－２?ＳＳＤ網(wǎng)絡(luò)結(jié)構(gòu)圖??為了解決ＹＯＬＯ?ｖｌ對(duì)于小目標(biāo)檢測(cè)問(wèn)題，ＳＳＤ從不同尺寸的特征圖產(chǎn)生預(yù)測(cè)。尺寸較大的??特征圖負(fù)責(zé)檢測(cè)相對(duì)較小的目標(biāo)，尺寸較小的特征圖負(fù)貴檢測(cè)相對(duì)較大的冃標(biāo)。與ＹＯＬＯ?ｖ丨最??后采取全連接層不同，ＳＳＤ直接在不同尺寸的特征圖上使用卷積進(jìn)行檢測(cè)，對(duì)于ｍｘｎｘｐ的特征??圖，只需要用３?ｘ?３?ｘ?Ｐ的卷積核得到檢測(cè)值，ＹＯＬＯ?ｖ２和ＹＯＬＯ?ｖ３也采用了這一方法。??在ＹＯＬＯ中

ｍＫ?ｍｇｒ??＝Ｊ?ｉ?０??ｔ－「Ｔ?＼??圖２－３?ＳＶＴ數(shù)據(jù)集??Ｓｔｒｅｅｔ?Ｖｉｅｗ?Ｔｅｘｔ?（ＳＶＴ）數(shù)據(jù)集包含從谷歌街景中獲取的３４９幅圖片，其中１００張圖片作為訓(xùn)??練集，其余作為測(cè)試集。這些數(shù)據(jù)中的圖像文本顯示出高變異性，通常分辨率較低。數(shù)據(jù)集中的??圖像文本通常來(lái)自Ｇｏｏｇｌｅ街景中的商業(yè)標(biāo)識(shí)，商業(yè)標(biāo)識(shí)很容易通過(guò)地理信息搜索的到。這些因??素使得ＳＶＴ數(shù)據(jù)集特別適合在自然場(chǎng)景中進(jìn)行文本定位。??ｍｍ??圖２－４?Ｔｏｔａ卜Ｔｅｘｔ數(shù)據(jù)集??Ｔｏｔａｌ－Ｔｅｘｔ數(shù)據(jù)集比現(xiàn)有文本數(shù)據(jù)集更全面，全部由１５５５幅圖像組成，具有３種以上不同的??文本方向：水平方向、多方向和彎曲方向。與ＣＯＣＯ－Ｔｅｘｔ數(shù)據(jù)集相比，ＣＯＣＯ－Ｔｅｘｔ中每張文本實(shí)??例為２．７３，且只包含水平文本和多尺度文本。相反，Ｔｏｔａｌ－Ｔｅｘｔ數(shù)據(jù)集中每張文本實(shí)例為７．７３，其??不僅包含水平文本和多尺度文本，還加入了扭曲文本，該數(shù)據(jù)集主要負(fù)責(zé)文本定位任務(wù)。??－１２?－??

【參考文獻(xiàn)】：
期刊論文
[1]圖像中的文本定位技術(shù)研究綜述[J]. 晉瑾,平西建,張濤,陳明貴.  計(jì)算機(jī)應(yīng)用研究. 2007(06)



本文編號(hào)：3543883