• چکیده (5)
• فهرست جدول‌ها (9)
• فهرست تصویرها (10)
• فصل اول: مقدمه (14)
  • 1-1 تعریف مسئله (14)
  • 1-2 کاربردها (15)
  • 1-3 چالش‌ها (16)
• فصل دوم: روشهای مطرح (17)
  • 2-1 مفاهیم اولیه دررابطه‌با یادگیری ژرف (17)
    • 2-1-1 شبکه‌های عصبی (18)
    • 2-1-2 شبکه‌های عصبی کانولوشن (19)
    • 2-1-3 VGG Net (23)
    • 2-1-4 ResNet (24)
    • 2-1-5 الگوریتم حذف غیر بیشینه (26)
    • 2-1-6 الگوریتم OHEM (27)
    • 2-1-7 شبکه‌های عصبی بازگشتی (28)
  • 2-2 مروری بر مطالعات مطرح (31)
    • 2-2-1 آشکارسازی متن مبتنی بر رگرسیون (31)
      • 2-2-1-1 شبکه Faster R-CNN (31)
      • 2-2-1-2 شبکه SSD (34)
    • 2-2-2 آشکارسازی متن مبتنی بر قطعه‌بندی (36)
      • 2-2-2-1 mask RCNN (36)
      • 2-2-2-2 شبکه تماماً کانولوشن (37)
• فصل سوم: داده‌ها (40)
  • 3-1 ICDAR (40)
    • 3-1-1 ICDAR2013 (40)
    • 3-1-2 ICDAR2015 (41)
    • 3-1-3 ICDAR2017 mlt (42)
  • 3-2 مجموعه داده فارسی (44)
  • 3-3 داده‌های مصنوعی (46)
  • 3-4 متون مصنوعی فارسی در تصاویر طبیعی (47)
• فصل چهارم: خواندن متون در تصاویر طبیعی با شبکه‌های عصبی کانولوشن (49)
  • 4-1 تولید کادرهای پیشنهادی (49)
  • 4-2 فیلتر کادرهای پیشنهادی (54)
  • 4-3 بازشناسایی متن (56)
• فصل پنجم: FOTS (58)
  • 5-1 معماری شبکه (58)
  • 5-2 آشکارسازی متن (59)
  • 5-3 RoIRotate (61)
  • 5-4 بازشناسایی متن (62)
  • 5-5 جزئیات پیاده‌سازی (64)
• فصل ششم: CRAFT (68)
  • 6-1 معماری شبکه (68)
  • 6-2 آموزش به شبکه (69)
  • 6-3 تابع هزینه (73)
  • 6-4 جزئیات پیاده‌سازی (74)
• فصل هفتم: مطالعات تجربی (80)
  • 7-1 معیارهای ارزیابی (80)
  • 7-2 نتایج تجربی (81)
• نتیجه‌گیری (89)
• منابع یا مراجع (90)