基于深度特征和低秩分解的织物疵点检测算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状及分析 | 第11-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 本文的结构安排 | 第15-17页 |
| 2 基于卷积神经网络和低秩分解的理论 | 第17-26页 |
| 2.1 人工神经网络 | 第17-18页 |
| 2.2 卷积神经网络 | 第18-19页 |
| 2.3 卷积神经网络结构 | 第19-24页 |
| 2.3.1 卷积层 | 第19-21页 |
| 2.3.2 池化层 | 第21页 |
| 2.3.3 激活函数 | 第21-23页 |
| 2.3.4 全连接层 | 第23-24页 |
| 2.4 低秩分解技术相关理论 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 基于卷积神经网络和低秩恢复的织物疵点检测 | 第26-35页 |
| 3.1 基于卷积神经网络模型的训练 | 第26-28页 |
| 3.2 基于卷积神经网络模型的特征提取 | 第28-29页 |
| 3.3 基于低秩恢复的显著性模型 | 第29-30页 |
| 3.4 算法流程 | 第30-31页 |
| 3.5 结果分析 | 第31-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 基于多尺度CNN和低秩表示的织物疵点检测算法 | 第35-47页 |
| 4.1 所提算法 | 第35-41页 |
| 4.1.1 基于多尺度CNN模型的训练与特征提取 | 第36-39页 |
| 4.1.2 低秩表示模型的构建 | 第39-40页 |
| 4.1.3 模型的优化求解 | 第40-41页 |
| 4.1.4 疵点分布图生成及分割 | 第41页 |
| 4.2 实验结果及分析 | 第41-46页 |
| 4.2.1 实验设置与结果 | 第41-43页 |
| 4.2.2 实验分析与评价 | 第43-46页 |
| 4.3 本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 附录：硕士研究生学习阶段发表论文 | 第54-55页 |
| 致谢 | 第55页 |
