基于YOLOv3的自然场景字符检测方法研究.pdf

基于YOLOv3的自然场景字符检测方法研究.pdf

  1. 1、本文档共52页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
目 录 第1 章 绪论 1 1.1 研究背景和意义 1 1.2 国内外研究现状 2 1.3 主要工作和章节安排 5 1.3.1 主要工作 5 1.3.2 章节安排 5 第2 章 相关技术介绍 7 2.1 传统的字符检测算法 7 2.2 卷积神经网络 8 2.3 区域卷积神经网络的结构和原理 9 2.3.1 区域卷积特征算法 9 2.3.2 区域的快速卷积神经网络算法 10 2.3.3 基于区域候选框网络的实时目标检测算法 11 2.4 单发多边框检测器的结构与原理 13 2.5 本章小结 14 第3 章 引入DesNet 的YOLOv3 网络改进 15 3.1 自然场景字符检测分析 15 3.1.1 小目标字符检测 15 3.1.2 正负样本不均衡 16 3.1.3 单目标被误检为多目标 16 3.2 YOLOv3 算法详解 17 3.2.1 YOLOv3 的发展历程 17 3.2.2 YOLOv3 结构和基本原理 19 3.2.3 YOLOv3 基础层的结构原理 20 3.3 引入DesNet 的改进模型21 3.3.1 YOLOv3 主干网络改进21 3.3.2 YOLOv3 网络结构改进22 3.3.3 锚框选择方式改进23 3.3.4 改进后的网络结构24 I 3.4 损失函数的改进25 3.4.1 YOLOv3 损失函数分析25 3.4.2 RIoU 损失函数26 3.4.3 焦点损失函数27 3.4.4 改进后的损失函数28 3.5 基于阈值筛选的后处理29 3.5.1 YOLO 的后处理过程29 3.5.2 筛选过程29 3.6 本章小结 30 第4 章 实验与结果分析31 4.1 实验数据集31 4.2 实验环境 31 4.3 算法评价方法31 4.3.1 精确度31 4.3.2 平均精度32 4.3.3 类间平均精度33 4.4 实验结果分析33 4.4.1 视觉对比实验33 4.4.2 量化对比实验35 4.5 本章小结 35 第5 章 研究总结与展望36 5.1 研究总结 36 5.2 展望37 参考文献 38 攻读硕士研究生期间科研成果42 致 谢43 II Contents Chapter 1 Introduction 1 1.1 Research Background and Significance 1 1.2 Research Status at Home and Abroad 2 1.3 Major Work and Chapter Arrangement 5 1.3.1 Major Work 5 1.3.2 Chapter Arrangement 5 Chapter 2 Related Technology Introduction 7 2.1 Traditional Object Detection Algorithm 7 2.2 Convolutional Neural Network 8 2.3 Structure and Principle of Regional Convolution Feature Algorithm 9 2.3.1 Regional Convolution Feature Algorithm

文档评论(0)

136****6583 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:7043055023000005

1亿VIP精品文档

相关文档