基于深度学习的文本检测模型的设计与实现开题报告

 2022-01-09 21:20:02

全文总字数:2985字

1. 研究目的与意义(文献综述)

随着互联网的技术发展,人与人之间大的信息交流越来越频繁。互联网中的图像信息越来越多。人们接触的图像信息也越来越多,但是大量的垃圾信息也出现在人们的视野中,需要对信息进行检测和分析,让人们对图像信息的需要更加的有针对性。随着大量的图片信息的传播,对图像信息提取的需求也越来越迫切。

自然场景的图像文本提取可以辅助实现许多的显示应用,通过进行对自然场景的图像文本检测,可以对图像信息进行有效的提取,更好的对网络信息进行分析,辅助实现在图像检索、自动驾驶、定位辅助等方面的实现。

自然场景的文本信息直接含有丰富清晰的高层语义信息,可以大范围的进行视觉技术的应用。自然场景信息的提取并分析,计算机可以在更高层次理解图像内容,传达有效的信息,可以更好的服务人类的生活。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

研究对自然场景的文本检测的系统。对低对比度、含有噪声的图像进行一个改善和提取信息的提升。基本的内容是探究一种快速的自然场景的水平文本检测算法,并对算法进行一个改进,应对多方向的文本检测的算法。

目标:对自然场景下的文本的特征提取网络进行改进,达到更快速的文本检测模型。自然场景下的文本与背景的纹理较难区分,容易受到外界因素的干扰,可以通过深度网络进行细小纹理的特征提取,加强对文本边缘的信息提取。

拟采用的技术方案:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

(1)第七学期末,确定设计题目。

(2)第1—4周,根据所选的题目收集相关技术文献资料,完成开题报告,中英文翻译和文献检索工作。

(3)第5周,安装所需软件,配置好系统,熟悉开发环境,做好前期准备工作。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]. 基于深度学习的自然场景文本检测和识别. 方清. 2018

[2].自然场景文本检测算法的研究与应用. 范一华.2018

[3]. 基于深度学习的自然场景文字识别. 高威威. 2019

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。