豐富的圖文講解優選的文本識別算法有效的檢測模型擁有高F測度值展示了自然場景文本識別的新研究成果展示了自然場景文本識別的新研究成果

●第1章緒論
1.1研究背景
1.2問題與挑戰
1.3主要研究內容
1.4本文的組織結構
第2章場景文本檢測算法綜述
2.1簡介
2.2場景文本檢測和識別過程概述
2.3場景文本檢測和識別算法分類
2.3.1基於傳統機器學習的場景文本檢測和識別算法
2.3.2基於深度學習的場景文本檢測和識別算法
2.4文本檢測和識別的評價指標
2.5文本檢測和識別的數據集
2.5.1ICDAR數據集
2.5.2SVT數據集
2.5.3IIIT數據集
2.5.4KAIST數據集
2.5.5CTW數據集
2.5.6RCTW-17數據集
2.5.7ICPRMWI2018數據集
2.5.8Total-Text數據集
2.5.9GoogleFSNS數據集
2.5.10COCO-TEXT數據集
2.5.11Synthetic數據集
2.6總結
第3章基於融合網絡的TSFnet模型
3.1問題形成
3.2相關研究
3.2.1基於回歸的模型
3.2.2基於分割的模型
3.3TSFnet
3.4實驗
3.4.1評價指標
3.4.2參數設置
3.4.3結果與分析
3.5本章小結
第4章結合區域建議網絡與注意力網絡的Mnet算法
4.1問題形成
4.2相關研究
4.2.1基於回歸的模型
4.2.2基於分割的模型
4.2.3兩階段檢測模型
4.3Mnet
4.3.1Scale-RPN
4.3.2回歸網絡
4.3.3分割網絡
4.3.4注意力網絡
4.4實驗
4.4.1評價指標
4.4.2參數設置
4.4.3實驗對比與分析
4.5本章小結
第5章場景文本檢測與識別應用
5.1卡證文字檢測與識別
5.1.1證件文字檢測與識別
5.1.2銀行卡文字檢測與識別
5.1.3名片文字檢測與識別
5.1.4營業執照文字檢測與識別
5.2票據文字檢測與識別
5.3汽車場景文字檢測與識別
5.3.1車牌檢測與識別
5.3.2汽車VIN碼檢測與識別
5.4文檔文字檢測與識別
5.5自然場景文字檢測識別
後記：總結與展望
參考文獻

以深度學習為基礎的文本檢測有基於回歸的模型和基於分割的模型，目前這兩種模型的應用效果各有優劣。為解決回歸模型對訓練數據的依賴，以及分割模型受目標尺度影響的問題，本書提出了兩種新的模型，即TSFnet和Mnet。全書分為5章，概述了自然場景下文本檢測的研究現狀，陳述了相關算法的問題、數據集與存在的挑戰，並通過實驗對基於融合網絡的TSFnet模型及結合區域網絡與注意力網絡的Mnet模型進行了詳細的介紹，最後對相關的應用進行了簡介。本書結構清晰，文字流暢，圖文並茂，適合從事場景文本檢測與識別研究的相關讀者閱讀，也適合作為高校相關專業學生的參考書。

趙雪專 等 著