基于深度学习的文本检测模型的设计与实现开题报告

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。

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：

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。

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