背景提升丨国内科研-基于深度学习方法的文档图像识别

　　计算机科学

　　一封专属导师推荐信

　　一封完整的科研报告

　　一次完整的科研经历

　　【计算机科学】

　　基于深度学习方法的文档图像识别

　　1、项目介绍

　　正式科研：1v1线上定制辅导

　　项目收获：科研报告、导师推荐信

　　科研补充包：48课时科研基础课+15课时学术写作基础课

　　2、涉及领域

　　本课题涉及到计算机视觉 | 模式识别 | 目标检测等方面的知识，适合申请计算机视觉 | 自动化 | 模式识别 | 计算机科学等相关专业的学生

　　3、适合人群

　　有意提高自身知识水平及学术能力的学生

　　有意掌握最前沿科研热点及科研方法的学生

　　有留学意向、跨专业深造的学生

　　4、研究前沿性

　　文档图像识别是模式识别领域的经典问题，在模式识别的诞生和发展过程中扮演了重要角色。相关技术被广泛应用于在文档、支票、邮件、票据、手稿和车牌等识别和处理系统，给金融、交通、物流、教育、医疗和政务等方面的工作带来了诸多便利，极大地方便了日常生活。

　　5、研究介绍

　　本项目主要研究文档图像中文本的检测与识别算法。在本项目中，学生通过学习神经网络的基本结构，构建基本的识别网络;其次，通过对经典网络结构和论文的学习，确定研究思路和研究方案;最后，在运行已有方法的基础上，尝试修改超参数或加入新结构。

　　通过本项目，学生将对目标检测和识别网络有较为清楚的了解和认识，基本掌握神将网络的基本结构和搭建方法，提升对深度学习领域的了解和文本检测识别方向的研究能力。

　　6、课题要点

　　课题研究方法

　　文献阅读、理论分析、网络运行、网络训练与调优

　　课题难点需要有一定的python基础，具备较好的英文文献阅读能力及一定的模型建立与分析能力

　　7、1v1定制化辅导参考任务

　　任务一

　　掌握查阅文献和研究方法

　　· 掌握查阅文献和面向文献学习的方法;

　　· 掌握文献管理的方法;

　　· 通过查阅文献，学习该方向的研究热点和方向;

　　· 掌握快速提炼文献重要信息的方法。

　　任务二

　　学习相关基础知识

　　· 学习了解卷积神经网络的基础知识与理论;

　　· 掌握视觉计算相关基础知识和理论;

　　· 基于对现有研究内容的把握构建自己的研究思路。

　　任务三

　　学习相关模型

　　· 学习Resnet网络结构等;

　　· 学习LSTM相关结构;

　　· 学习CRNN网络结构;

　　· 设计研究方案，包括重点关注的研究内容、模型的关键参数设定等。

　　任务四

　　开展研究

　　· 选取适当的数据集;

　　· 运行训练好的模型，直观了解识别过程;

　　· 分析实验结果;

　　· 对已有结构进行修改;

　　· 进一步分析并对比结果。

　　任务五

　　总结与建议

　　· 根据分析结果对文本识别方法进行综合评述;

　　· 修改后的方法与其他方法的对比;

　　· 针对理论分析中的缺陷和研究过程中的不足提出建议。

　　任务六

　　项目收尾

　　· 撰写整体报告;

　　· 准备一次20~30分钟的presentation。

　　(以上任务仅供参考，实际辅导根据定制化要求展开)