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 |
