| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 引言 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要贡献及结构安排 | 第14-16页 |
| 2 基于VGGNet的织物缺陷识别 | 第16-23页 |
| 2.1 卷积神经网络基础 | 第16-17页 |
| 2.2 VGG网络结构 | 第17-19页 |
| 2.3 开发环境 | 第19页 |
| 2.4 基于VGG16的织物缺陷识别 | 第19-21页 |
| 2.4.1 训练 | 第20-21页 |
| 2.4.2 测试 | 第21页 |
| 2.5 本章小节 | 第21-23页 |
| 3 基于深度特征可视化改进的VGGNet | 第23-31页 |
| 3.1 反卷积网络 | 第23-25页 |
| 3.1.1 池化转接器 | 第23-24页 |
| 3.1.2 反池化 | 第24页 |
| 3.1.3 反卷积 | 第24-25页 |
| 3.2 特征分析 | 第25-27页 |
| 3.3 网络结构优化 | 第27-28页 |
| 3.4 对比实验 | 第28-29页 |
| 3.4.1 训练 | 第28-29页 |
| 3.4.2 测试 | 第29页 |
| 3.5 本章小节 | 第29-31页 |
| 4 基于可因式分解卷积网络的织物缺陷识别 | 第31-39页 |
| 4.1 可因式分解卷积 | 第31-35页 |
| 4.2 网络结构 | 第35-37页 |
| 4.3 对比实验 | 第37-38页 |
| 4.3.1 训练 | 第37页 |
| 4.3.2 测试 | 第37-38页 |
| 4.4 本章小节 | 第38-39页 |
| 5 基于线性瓶颈卷积神经网络的织物缺陷识别 | 第39-51页 |
| 5.1 残差学习 | 第39-42页 |
| 5.1.1 残差表示 | 第39-41页 |
| 5.1.2 快捷连接 | 第41-42页 |
| 5.2 线性瓶颈 | 第42-45页 |
| 5.3 网络结构 | 第45-46页 |
| 5.4 对比实验 | 第46-49页 |
| 5.4.1 训练 | 第46-47页 |
| 5.4.2 测试 | 第47-49页 |
| 5.5 本章小节 | 第49-51页 |
| 6 总结与展望 | 第51-52页 |
| 参考文献 | 第52-60页 |
| 附录 1：神经网络在织物图像库上训练时产生的张量流图 | 第60-62页 |
| 附录 2：深度特征可视化完整结果 | 第62-75页 |
| 附录 3：攻读学位期间所发表的论文及获奖情况 | 第75-76页 |
| 致谢 | 第76页 |