| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第14-21页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 目标检测研究现状 | 第16-17页 |
| 1.2.2 深度学习的发展现状 | 第17-19页 |
| 1.2.3 快销品啤酒的发展现状 | 第19页 |
| 1.3 论文组织结构 | 第19-21页 |
| 第2章 系统的需求分析 | 第21-24页 |
| 2.1 系统的功能性需求 | 第21-22页 |
| 2.2 性能需求 | 第22页 |
| 2.3 鲁棒性 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 系统的相关理论综述 | 第24-42页 |
| 3.1 传统的目标检测算法 | 第24-25页 |
| 3.2 基于深度学习的目标检测算法 | 第25-38页 |
| 3.2.1 基于Region Proposal的深度学习目标检测算法 | 第25-34页 |
| 3.2.2 基于回归方法的深度学习目标检测算法 | 第34-38页 |
| 3.3 主要网络介绍 | 第38-41页 |
| 3.3.1 ResNet50网络 | 第38-40页 |
| 3.3.2 Inception-v2网络 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 快销品图像识别系统的详细设计和实现 | 第42-67页 |
| 4.1 数据标注软件的设计与实现 | 第42-46页 |
| 4.2 数据预处理模块的设计与实现 | 第46-49页 |
| 4.3 数据后处理模块的设计与实现 | 第49-53页 |
| 4.4 数据接口开发的设计与实现 | 第53-67页 |
| 4.4.1 接口内容 | 第53-54页 |
| 4.4.2 接口的环境配置 | 第54页 |
| 4.4.3 接口的设计 | 第54-67页 |
| 4.5 本章小结 | 第67页 |
| 第5章 实验结果与分析 | 第67-79页 |
| 5.1 模型训练 | 第67-72页 |
| 5.1.1 训练环境 | 第67-69页 |
| 5.1.2 准备工作 | 第69-71页 |
| 5.1.3 模型训练 | 第71-72页 |
| 5.2 测试数据集和评价指标 | 第72-74页 |
| 5.3 实验结果与分析 | 第74-78页 |
| 5.3.1 12月份锦州地区识别准确率 | 第74-76页 |
| 5.3.2 存在的问题与拟采取的方案 | 第76-78页 |
| 5.4 本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第85-86页 |
| 附录B 攻读硕士学位期间所参与的学术科研活动 | 第86-87页 |
| 致谢 | 第87页 |