| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 织物瑕疵检测方法 | 第12-14页 |
| 1.2.2 织物质量自动检测系统 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15-17页 |
| 第二章 相关理论基础 | 第17-31页 |
| 2.1 纹理分析理论 | 第17-22页 |
| 2.1.1 织物纹理分析 | 第18-21页 |
| 2.1.2 织物瑕疵特点 | 第21-22页 |
| 2.2 深度学习理论 | 第22-30页 |
| 2.2.1 经典网络架构简介 | 第23-27页 |
| 2.2.2 深度卷积神经网络 | 第27页 |
| 2.2.3 模型训练方法 | 第27-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于FasterR-CNN的织物瑕疵检测方法 | 第31-37页 |
| 3.1 FasterR-CNN简介 | 第31-33页 |
| 3.1.1 候选区域网络 | 第31-32页 |
| 3.1.2 FasterR-CNN的模型结构 | 第32-33页 |
| 3.2 模型整体框架 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于改进深度残差网络的织物瑕疵检测方法 | 第37-49页 |
| 4.1 残差网络概述 | 第37-40页 |
| 4.2 基于CrossNet的织物瑕疵检测模型 | 第40-41页 |
| 4.3 超参数的训练方法 | 第41-42页 |
| 4.4 实验结果与分析 | 第42-48页 |
| 4.4.1 实验平台 | 第42页 |
| 4.4.2 织物图片数据库 | 第42-43页 |
| 4.4.3 不同深度的残差网络对比实验 | 第43-45页 |
| 4.4.4 不同网络模型的对比实验 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 总结与展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 攻读硕士学位期间的学术成果 | 第56-58页 |
| 致谢 | 第58页 |