飞机蒙皮图像的深度特征学习与损伤监测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 论文结构及章节安排 | 第14-18页 |
| 1.4.1 论文研究内容及主要工作 | 第14-15页 |
| 1.4.2 论文组织结构 | 第15-18页 |
| 第二章 目标检测算法概述 | 第18-30页 |
| 2.1 基于人工设计特征的算法 | 第18-20页 |
| 2.2 卷积神经网络 | 第20-24页 |
| 2.2.1 卷积神经网络基本组成 | 第20-22页 |
| 2.2.2 卷积神经网络经典模型 | 第22-24页 |
| 2.3 双阶段目标检测算法 | 第24-27页 |
| 2.4 单阶段目标检测算法 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 飞机蒙皮损伤图像数据集 | 第30-38页 |
| 3.1 数据集筛选及损伤种类划分 | 第30-32页 |
| 3.2 数据集标定 | 第32-34页 |
| 3.3 数据调整和数据增广 | 第34-36页 |
| 3.4 数据集简介 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 损伤检测实验设计与分析 | 第38-52页 |
| 4.1 深度学习网络的搭建 | 第38-45页 |
| 4.1.1 Faster R-CNN网络模型 | 第39-42页 |
| 4.1.2 YOLO网络模型 | 第42-44页 |
| 4.1.3 SSD网络模型 | 第44-45页 |
| 4.2 深度神经网络的训练 | 第45-48页 |
| 4.2.1 实验环境 | 第46页 |
| 4.2.2 网络训练及测试过程 | 第46-48页 |
| 4.3 实验结果分析 | 第48-50页 |
| 4.3.1 实验结果对比分析 | 第48-49页 |
| 4.3.2 实验结果可视化显示 | 第49-50页 |
| 4.4 本章小结 | 第50-52页 |
| 第五章 SSD目标检测模型的改进 | 第52-62页 |
| 5.1 Focal loss | 第52-54页 |
| 5.2 针对难定位损伤修改预测框保留方法 | 第54-56页 |
| 5.3 倾斜预测框与正向预测框相结合 | 第56-58页 |
| 5.4 改进实验综合分析 | 第58-59页 |
| 5.5 本章小结 | 第59-62页 |
| 第六章 总结与展望 | 第62-66页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间科研成果目录 | 第72页 |
