1. 毕业设计（论文）的内容和要求
本课题要求完成基于深度学习的场景文字检测，在功能上实现用户输入一张图片，标注出文字算在的区域。
此算法为基于渐进扩展算法的场景文字处理算法，具有检测速度快、检测结果准确的优点。
主要包括四个组成部分：图片特征提取、模型预测、像素扩张、模型训练。
2. 参考文献
[1]黄攀.基于深度学习的自然场景文字识别[D].浙江:浙江大学,2016.[2]帅靖文.自然场景中的文本检测研究[D].成都:电子科技大学,2016.[3]蒋人杰,戚飞虎,徐立.基于连通分量特征的文本检测与分割[J].中国图象图形学报,2006,11:1653-1656.[4]崔莹莹;杨杰,梁栋.基于边缘的标志牌文本提取方法[J].影像技术,2006,1:28-30.[5]欧文武,朱军民,刘昌平.自然场景文本定位[J].中文信息学报,2004,5:42-47.[6]黄治虎.图像文本定位技术研究[J].计算机光盘软件与应用,2013,1:16-17.[7]谢凤英,姜志国,汪雷.基于空白条方向拟合的复杂文本图像倾斜检测[J].计算机应用,2006,7:1587-1589.[8]侯跃云,刘立柱.文本图像语种识别技术[J].计算机应用,2006,S1:29-31.[9]陆小川,伊兵哲,平西建.含噪文本图像的中英文文种识别研究[J].计算机工程与设计,2007,21:5150-5152.[10]万萌.基于深度学习的自然场景文字检测与识别方法研究[D].广东:广东工业大学,2019.[11]王博超. 基于深度学习的自然场景图像文字检测与识别技术研究[D].北京工业大学,2018.[12]张亮. 基于深度学习的列车车牌识别研究[D].重庆大学,2018.[13]杨剑锋. 基于卷积神经网络的自然场景图像中的文字检测算法研究[D].湖南师范大学,2019.[14]Saining Xie,Zhuowen Tu.Holistically-Nested Edge Detection[J].International Journal of Computer Vision . 2017 (1-3):3-18.[15] Donghyun Lee,Minkyu Lim,Hosung Park,Yoseb Kang,Jeong-Sik Park,Gil-Jin Jang,Ji-Hwan Kim.Long Short-Term Memory Recurrent Neural Network-Based Acoustic Model Using Connectionist Temporal Classification on a Large-Scale Training Corpus[J].China Communications. 2017(09):23-31.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
