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微装配系统多目标识别和姿态检测

摘要第4-6页
Abstract第6-7页
1 绪论第10-17页
    1.1 引言第10-11页
    1.2 微装配机器人研究现状第11-13页
    1.3 显微视觉算法研究现状第13-15页
    1.4 课题来源与内容安排第15-17页
2 卷积神经网络目标检测原理第17-32页
    2.1 引言第17-18页
    2.2 卷积神经网络结构第18-22页
    2.3 基于卷积神经网络的图像分类第22-24页
    2.4 用YOLO网络进行目标检测第24-25页
    2.5 Faster R-CNN目标检测框架第25-31页
    2.6 Faster R-CNN和YOLO目标检测框架的比较第31页
    2.7 本章小结第31-32页
3 微装配系统中的多目标识别第32-47页
    3.1 引言第32-33页
    3.2 多目标识别网络结构第33-35页
    3.3 微操作系统样本预处理第35-36页
    3.4 数据集的生成第36-39页
    3.5 训练方法第39-42页
    3.6 实验结果第42-46页
    3.7 本章小结第46-47页
4 微装配系统中的姿态检测第47-56页
    4.1 引言第47-48页
    4.2 姿态数据预处理第48-49页
    4.3 姿态检测网络结构第49-51页
    4.4 训练方法第51-53页
    4.5 实验结果第53-55页
    4.6 本章小结第55-56页
5 总结与展望第56-58页
    5.1 本文工作总结第56-57页
    5.2 展望第57-58页
致谢第58-59页
参考文献第59-64页
附录:攻读硕士学位期间发表的论文第64页

论文共64页,点击 下载论文
上一篇:燃耗计算中切比雪夫有理近似方法的应用与改进
下一篇:一致性P_N快堆散射截面制作方法研究