| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题背景与意义 | 第12页 |
| 1.2 目标检测 | 第12-18页 |
| 1.2.1 候选框生成算法 | 第13-15页 |
| 1.2.2 目标分类算法 | 第15-17页 |
| 1.2.3 目标检测相关评价 | 第17-18页 |
| 1.3 研究内容及结构安排 | 第18-20页 |
| 第二章 基于BING和GS的高精度候选框生成算法 | 第20-29页 |
| 2.1 PASCAL VOC 2007 数据集简介 | 第20-21页 |
| 2.2 基于BING和GS的候选框生成算法 | 第21-28页 |
| 2.2.1 BING算法 | 第21-22页 |
| 2.2.2 GS算法 | 第22-23页 |
| 2.2.3 本文算法 | 第23-24页 |
| 2.2.4 实验结果及分析 | 第24-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于参数池化的卷积神经网络 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 卷积神经网络 | 第29-32页 |
| 3.3 关键技术 | 第32-37页 |
| 3.3.1 数据处理 | 第32-33页 |
| 3.3.2 网络初始化 | 第33-34页 |
| 3.3.3 激活函数 | 第34-35页 |
| 3.3.4 池化方式 | 第35页 |
| 3.3.5 网络结构 | 第35-36页 |
| 3.3.6 其他相关的正则化方法 | 第36-37页 |
| 3.4 参数池化 | 第37-44页 |
| 3.4.1 实验网络模型设计 | 第38-39页 |
| 3.4.2 实验及结果分析 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于卷积神经网络的PCB过孔和焊盘检测算法 | 第45-57页 |
| 4.1 PCB CT图像 | 第45-46页 |
| 4.2 PCB CT图像数据集 | 第46-49页 |
| 4.3 过孔和焊盘检测 | 第49-56页 |
| 4.3.1 霍夫变换 | 第49-50页 |
| 4.3.2 本文算法 | 第50-51页 |
| 4.3.3 实验结果及分析 | 第51-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简历 | 第64页 |