1. 毕业设计（论文）主要内容：
传统的光学字符识别（OpticalCharacter Recognition，OCR）已经得到了广泛应用与发展，但是对于自然场景下的文本识别(Scene Text Recognition，STR)还存在着很大的挑战，尤其对于那些透视、倾斜、扭曲的文本图像。随着深度学习目标检测的日益成熟，大大促进了自然场景下文本检测与识别方法的发展.
通过研究深度学习的基础理论、网络结构等方面知识，了解在自然场景下如何进行文本识别，对比分析不同的文本识别算法，并将理论与实践相结合，开发出一个基于深度学习的自然场景下的文本识别系统，达到识别成功率高的结果
2. 毕业设计（论文）主要任务及要求
1.学习深度学习理论相关知识，了解基本的神经网络结构，像卷积、残差，循环神经网络等;
2.研究从图像输入到文本序列识别过程中各个阶段的原理，像卷积、池化、全连接层等的作用;
3.将理论与实际相结合，采取合适的网络结构，搭建系统框架，进行自然场景下文本识别工作;
3. 毕业设计（论文）完成任务的计划与安排
(1)2020/1/13—2020/2/28：确定选题，查阅文献，外文翻译和撰写开题报告；(2)2020/3/1—2020/4/30：系统架构、程序设计与开发、系统测试与完善；(3)2020/5/1—2020/5/25：撰写及修改毕业论文；(4)2020/5/26—2020/6/5：准备答辩。
4. 主要参考文献
[1]C. Yao, X. Bai, W. Liu, Y.Ma, and Z. Tu. Detecting texts of arbitrary orientations in natural images. InComputer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on, pages1083– 1090. IEEE, 2012.
[2]C. Yao, X. Bai, and W. Liu.A unified framework for multioriented ext detection and recognition. IEEETransactions on Image rocessing, 23(11):4737–4749, 2014
[3]C.-Y. Lee and S. Osindero.Recursive recurrent nets with attention modeling for OCR in the wild. InProceedings of Computer Vision and Pattern Recognition (CVPR), pages 2231–2239,2016.
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。
