| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-15页 |
| 1.2.1 变电站设备识别的国内外研究进展 | 第12-13页 |
| 1.2.2 深度卷积神经网络的国内外研究进展 | 第13-15页 |
| 1.3 本文主要内容及论文章节结构 | 第15-17页 |
| 第二章 变电站设备图像采集及预处理 | 第17-22页 |
| 2.1 变电站设备图像采集 | 第17-18页 |
| 2.2 图像噪声及预处理 | 第18-20页 |
| 2.3 图像数据增广及预处理 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于CNN的变电站主要设备目标识别网络设计 | 第22-31页 |
| 3.1 卷积神经网络基本理论 | 第22-26页 |
| 3.1.1 卷积神经网络 | 第22-25页 |
| 3.1.2 卷积神经网络的训练算法 | 第25-26页 |
| 3.2 变电站主要设备目标识别网络设计 | 第26-27页 |
| 3.2.1 架构设计 | 第26页 |
| 3.2.2 目标边界框的预测 | 第26-27页 |
| 3.2.3 目标类型的预测 | 第27页 |
| 3.3 网络训练目标 | 第27-29页 |
| 3.4 本章小结 | 第29-31页 |
| 第四章 目标识别网络基础结构分析与设计 | 第31-41页 |
| 4.1 特征提取能力度量 | 第31-32页 |
| 4.2 几种典型CNN分类网络 | 第32-35页 |
| 4.3 典型CNN分类网络性能分析与筛选 | 第35-36页 |
| 4.4 基础网络优化设计 | 第36-38页 |
| 4.5 样本扩增训练 | 第38-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第五章 变电站设备目标识别网络的训练与测试 | 第41-53页 |
| 5.1 识别网络总体结构 | 第41页 |
| 5.2 识别网络的训练 | 第41-42页 |
| 5.3 识别网络的测试与分析 | 第42-46页 |
| 5.4 目标识别软件系统设计实现 | 第46-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 结论与展望 | 第53-55页 |
| 6.1 结论 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |