首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积神经网络的色织物疵点检测与分类算法研究

摘要第4-5页
abstract第5-6页
1 绪论第9-15页
    1.1 课题来源第9页
    1.2 课题研究背景及意义第9-10页
    1.3 国内外研究现状第10-13页
        1.3.1 织物疵点检测与分类算法综述第10页
        1.3.2 国内外疵点检测算法研究现状及发展动态第10-13页
        1.3.3 国内外疵点分类算法研究现状及发展动态第13页
    1.4 论文章节安排第13-15页
2 卷积神经网络理论基础第15-21页
    2.1 卷积和池化第15-18页
        2.1.1 卷积第15-16页
        2.1.2 激活函数第16-17页
        2.1.3 池化第17-18页
    2.2 全连接层第18页
    2.3 Softmax分类器第18-19页
    2.4 典型CNN网络结构第19-20页
    2.5 本章小结第20-21页
3 基于改进AlexNet的色织物疵点分类第21-31页
    3.1 改进AlexNet的网络结构第21-23页
        3.1.1 改进AlexNet网络模型第21页
        3.1.2 批归一化第21-23页
        3.1.3 目标函数与梯度优化算法第23页
    3.2 算法流程第23-28页
        3.2.1 制作色织物图像数据集第24-25页
        3.2.2 训练疵点分类模型第25页
        3.2.3 实验结果分析第25-28页
    3.3 模型评价第28-29页
    3.4 本章小结第29-31页
4 基于Faster R-CNN的色织物疵点检测第31-43页
    4.1 Faster R-CNN网络结构第32-36页
        4.1.1 RPN网络第32-33页
        4.1.2 RPN的平移不变性第33页
        4.1.3 RPN网络提取候选框第33-34页
        4.1.4 多任务损失函数第34-35页
        4.1.5 非极大值抑制算法第35-36页
    4.2 算法流程第36-40页
        4.2.1 制作数据集第37页
        4.2.2 训练模型第37-38页
        4.2.3 测试结果及分析第38-40页
    4.3 模型评价第40-41页
    4.4 本章小结第41-43页
5 基于SSD的色织物疵点检测第43-51页
    5.1 SSD网络结构第43-46页
        5.1.1 SSD网络模型第43-44页
        5.1.2 多尺度目标检测第44-46页
    5.2 算法流程第46-50页
        5.2.1 SSD疵点检测模型第46-47页
        5.2.2 模型训练第47页
        5.2.3 实验结果及分析第47-50页
    5.3 模型评价第50页
    5.4 本章小结第50-51页
6 总结与展望第51-53页
    6.1 全文总结第51-52页
    6.2 课题展望第52-53页
参考文献第53-61页
作者攻读学位期间发表论文清单第61-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:高斯过程回归在基于图片视频数据的预测问题中的应用研究
下一篇:四足机器人步态设计与运动控制研究