基于深度学习的道路裂缝识别算法研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要内容及安排 | 第12-14页 |
| 第二章 相关技术及原理 | 第14-26页 |
| 2.1 图像增强技术 | 第14-17页 |
| 2.1.1 Log变换 | 第14-15页 |
| 2.1.2 直方图均衡化与CLAHE算法 | 第15-17页 |
| 2.2 深度学习技术 | 第17-26页 |
| 2.2.1 机器学习与深度学习 | 第17-18页 |
| 2.2.2 卷积神经网络 | 第18-21页 |
| 2.2.3 多尺度图像 | 第21-24页 |
| 2.2.4 图像注意力机制 | 第24-26页 |
| 第三章 基于优化卷积神经网络的路面裂缝识别模型 | 第26-35页 |
| 3.1 基于灰度变换的路面图像增强方法 | 第26-27页 |
| 3.2 基于通道间注意力机制的多尺度CNN模型 | 第27-31页 |
| 3.3 路面裂缝识别系统实现 | 第31-35页 |
| 第四章 实验设计及结果分析 | 第35-53页 |
| 4.1 实验环境 | 第35页 |
| 4.2 实验数据 | 第35-37页 |
| 4.2.1 识别目标及标注 | 第35-36页 |
| 4.2.2 实际环境数据集 | 第36-37页 |
| 4.2.3 公开数据集 | 第37页 |
| 4.3 结果评价指标 | 第37-39页 |
| 4.4 系统实现及结果分析 | 第39-50页 |
| 4.4.1 实际环境数据集 | 第39-48页 |
| 4.4.2 公开数据集 | 第48-50页 |
| 4.5 交叉实验 | 第50-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53-54页 |
| 5.2 问题与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文目录 | 第59页 |
