摘要：近几年来，基于深度学习的卷积神经网络（Faster R-CNN）算法逐渐的被应用在检测目标数据集上，这也使得越来越多的研究者参与到其课题中来，而Faster R-CNN算法起初也就是用于去检测目标区域。用于提取印章的传统机器学习办法通常经过提取满足特定形态和色彩的图像的区域来完成印章检测，这种算法适用于近代文档图像。因为中国古近代文献的种类有许多，文献图像印章也具有不同的形状，并且大部分文献年份长久，传统的识别办法早已不能满足我们的需要。本课题将其利用在图像处理技术上，提出了一种基于深度学习技术的文档图像印章检测方法，结合Faster R-CNN算法，完成对中国古籍文档图像中的印章精确提取。首先，RPN算法是用于提取图像中的目标区域，以减少检测过程中每幅图像的计算量，然后运用Faster R-CNN算法，在文档图像印章数据集上进行测试学习，利用深度神经网络来自适应地获得文档图像印章的所有特征，通过卷积神经网络，不断地计算、优化区域边界，进而得到文档图像印章的边界框。区别于机器学习，本课题运用深度学习的卷积神经网络，可以大大增加对文档图像印章识别的准确率，提高工作效率。

关键词： Faster R-CNN；文档图像印章；深度学习；卷积神经网络

目录

摘要

Abstract

1 绪论-1

1.1 本课题的背景及意义-1

1.2 国内外研究历史和现状-2

1.2.1 国外研究现状-2

1.2.2 国内研究现状-3

1.3 本文研究内容-3

1.4 本文组织结构-4

2 相关技术-5

2.1 深度学习-5

2.1.1 深度学习概述-5

2.1.2 深度学习训练过程-6

2.1.3 深度学习的常用模型或方法-6

2.1.4 卷积神经网络-7

2.2 传统图像检测-8

2.2.1 传统图像检测的概述-8

2.2.2 传统图像检测的不足-9

3 算法-10

3.1 Faster R-CNN算法-10

3.2 RPN网络-12

3.3 数据准备与数据标记-13

3.4 扩充数据集-14

4 仿真实验-17

4.1 印章检测的评价指标-17

4.2 实验结果及分析-18

结    论-22

参 考 文 献-23

致    谢-24