基于深度学习的路牌文字识别算法的研究与实现

发布时间：2022-11-05 00:25

　　近年来,我国国民经济不断提高,截止2017年底,我国汽车保有量已突破2亿辆,汽车在居民的出行中扮演了极其重要的角色。交通标志牌是一种常见的交通辅助设施,其为驾驶员提供了及其丰富的道路信息,尤其是字符型交通标志,其包含的丰富的高层语义信息对于缓解交通拥堵,提高道路交通安全具有重要的意义。计算机视觉是人工智能中一个极为重要的领域。传统光学字符识别（OCR）技术的发展目前已经趋于成熟,相对于OCR识别的规范文档图像,场景文字由于其背景复杂多变,存在光照不均、遮挡、文本方向多变等因素,其识别具有极大的挑战性,对于自然场景中文本的检测与识别近年来成为了研究热点。交通标志文本是场景文本的一种,目前国内外关于交通标志检测及识别的研究相对较少,尚未形成一个可供研究的公开统一的数据集,尤其是中文交通标志文本。研究选取字符型交通标志中的指路标志为研究对象,通过图像采集和处理建立了一个具有代表性及挑战性的数据集,提出了一种基于深度神经网络的算法对采集到的图像进行检测与识别。同时与当前流行的算法进行了比较,该方法通过提出一种全新的四边形表示回归模型,直接预测任意方向的文本包围框。通过对一些常用的文本检测、词识... 

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 交通标志牌的检测与识别
        1.2.2 场景文字的检测与识别
        1.2.3 研究现状总结
    1.3 研究内容
    1.4 论文组织结构
第2章 交通标志文字检测及识别算法
    2.1 我国交通路牌分类及其文本特征
    2.2 交通指路标志文字检测与识别算法
        2.2.1 传统文本检测与识别算法
        2.2.2 基于深度学习的文本检测与识别算法
        2.2.3 基于CNN和RNN的文字识别算法
        2.2.4 文本检测与识别结合方法
        2.2.5 基于深度学习的端到端文本检测与识别网络
    2.3 本章小结
第3章 中文指路交通标志数据集说明
    3.1 数据采集方法与过程
        3.1.1 采集途径
        3.1.2 基于软件LabelMe的采集数据集标注
    3.2 数据集中指路标志文本的统计特性分类
        3.2.1 交通标志文本的位置特性的分类
        3.2.2 交通标志文本的尺度特性的分类
        3.2.3 数据集内部特征及组成分布
    3.3 建立增广数据集
    3.4 本章小结
第4章 文本检测识别算法训练与实验
    4.1 网络架构
        4.1.1 文本groundtruth的表示方法
        4.1.2 默认框的设置
        4.1.3 多输出层
        4.1.4 卷积核设置
        4.1.5 损失函数
    4.2 网络训练与实验
        4.2.1 实验环境
        4.2.2 实验结果评估方法
        4.2.3 预训练
        4.2.4 研究对文本groundtruth的表示
        4.2.5 难分样本挖掘
        4.2.6 多尺度训练
        4.2.7 非极大抑制(NMS)
        4.2.8 Adam优化算法
        4.2.9 检测算法损失函数
        4.2.10 文本检测实验与结果分析
        4.2.11 文本识别模型训练
        4.2.12 端到端文本检测与识别
        4.2.13 端到端文本检测与识别结果
        4.2.14 和其他算法的比较
    4.3 本章小结
结论
    总结
    展望
参考文献
致谢



本文编号：3701580