| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 引言 | 第11页 |
| 1.2 选题背景 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-16页 |
| 1.4 研究内容 | 第16页 |
| 1.5 论文的组织结构 | 第16-19页 |
| 第二章 相关技术基础 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 卷积神经网络概念和组件 | 第19-22页 |
| 2.2.1 卷积神经网络的概念 | 第19-20页 |
| 2.2.2 卷积操作 | 第20-21页 |
| 2.2.3 池化层 | 第21页 |
| 2.2.4 非线性激活层 | 第21-22页 |
| 2.3 目标检测网络相关概念 | 第22-24页 |
| 2.3.1 IOU | 第22页 |
| 2.3.2 边框回归 | 第22页 |
| 2.3.3 非极大值抑制(NMS) | 第22-23页 |
| 2.3.4 评价指标mAP | 第23-24页 |
| 2.4 本章总结 | 第24-25页 |
| 第三章 系统整体检测架构 | 第25-31页 |
| 3.1 引言 | 第25页 |
| 3.2 流程框架 | 第25-26页 |
| 3.3 图像采集系统 | 第26-27页 |
| 3.4 图像采集工业相机 | 第27-28页 |
| 3.5 算法系统整体流程 | 第28-29页 |
| 3.6 本章总结 | 第29-31页 |
| 第四章 深度学习消除运动模糊算法 | 第31-47页 |
| 4.1 引言 | 第31页 |
| 4.2 识别图像模糊算法 | 第31-33页 |
| 4.2.1 拉普拉斯算子 | 第31-32页 |
| 4.2.2 模糊识别算法 | 第32-33页 |
| 4.3 图像消除模糊问题介绍 | 第33-34页 |
| 4.4 模糊图像数据集 | 第34-35页 |
| 4.5 生成式对抗网络 | 第35-36页 |
| 4.6 条件生成式对抗网络 | 第36-37页 |
| 4.7 深度生成式对抗消除模糊网络 | 第37-45页 |
| 4.7.1 算法概述 | 第37-39页 |
| 4.7.2 生成器网络 | 第39-43页 |
| 4.7.3 判别器网络 | 第43页 |
| 4.7.4 生成式对抗网络训练流程 | 第43-44页 |
| 4.7.5 实验结果 | 第44-45页 |
| 4.8 本章总结 | 第45-47页 |
| 第五章 深度学习轮毂表面缺陷检测算法 | 第47-65页 |
| 5.1 引言 | 第47页 |
| 5.2 轮毂表面缺陷图像数据库 | 第47-50页 |
| 5.3 深度学习缺陷检测网络 | 第50-61页 |
| 5.3.1 算法概述 | 第50-51页 |
| 5.3.2 特征提取网络 | 第51-59页 |
| 5.3.3 候选区域提取网络 | 第59-60页 |
| 5.3.4 Region Of Interest(ROI)检测网络 | 第60-61页 |
| 5.4 实验分析 | 第61-63页 |
| 5.4.1 实验环境 | 第61页 |
| 5.4.2 实验结果 | 第61-63页 |
| 5.5 本章总结 | 第63-65页 |
| 第六章 总结与展望 | 第65-69页 |
| 6.1 论文总结 | 第65-66页 |
| 6.2 工作展望 | 第66-69页 |
| 参考文献 | 第69-71页 |
| 致谢 | 第71-73页 |
| 作者攻读学位期间发表的学术论文目录 | 第73页 |