1. 研究目的与意义（文献综述）

1.1研究背景及意义

随着互联网技术的不断普及和发展，文本信息被广泛地记录在图像当中，图片中含有的这些丰富的文字信息，可以被广泛地应用在很多的领域：如图像检索、信息检索、导航、人机交互等。通过获取这些文本信息有利于正确理解图像的内容，并对构建基于图片内容进行检索的系统具有重要意义，对自然场景中的文字进行识别和理解也是大量计算机视觉应用的基础。而文本检测则是上述相关技术实现的关键性技术，其精准程度直接关系着整个基于图像应用的准确性、鲁棒性和泛用性^[1]。近些年自然场景图像中的文本检测与识别技术越来越引起人们的重视，在icdar的历届比赛中，也不断地将文本检测的准确度提高。

1.2国内外研究现状

2. 研究的基本内容与方案

2.1基本内容及目标

使用基于卷积神经网络的方法进行文本检测，将训练集样本进行处理，输入卷积神经网络的卷积层进行深度文字特征的提取，进行一系列后处理，预测出文本线和文本框的位置，再输入全连接层进行分类和回归，计算损失，在回馈给前向网络优化参数，达到训练网络的效果，最终训练出一个合适的网络模型，再输入测试集数据到训练好的网络中进行预测，力求达到比较高的准确率。

2.2技术方案及措施

3. 研究计划与安排

(1) 2018/1/4—2018/1/14：查阅参考文献，明确选题。

(2)2018/1/15—2018/2/25：详细阅读文献，记录其中关键要点，进行分析总结并确定技术路线，完成文献摘要

(3)2018/2/26—2018/3/1完成外文翻译和撰写开题报告，交由导师审查并提交；

4. 参考文献（12篇以上）

[1]黄天宇. 自然场景文本检测方法研究[d]. 华南理工大学, 2016.

[2]戴津. 自然场景中文本检测技术研究综述[j].计算机光盘软件与应用, 2013(18):104-104.

[3]郑庆庆, 桑农, 高常鑫,等. 改进的基于区域合并的纹理图像分割方法[j]. 华中科技大学学报(自然科学版), 2011(5):109-112.