首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习的指针式仪表示数自动识别的研究与应用

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第10-16页
    1.1 研究背景第10-11页
    1.2 研究内容第11-13页
    1.3 主要工作内容第13-14页
    1.4 论文结构第14-16页
第二章 相关技术的研究第16-24页
    2.1 目标检测相关技术第16-18页
    2.2 图像分割相关技术第18-19页
    2.3 场景文字识别相关技术第19-22页
        2.3.1 文字检测相关技术第20-21页
        2.3.2 文字识别相关技术第21-22页
    2.4 本章小结第22-24页
第三章 仪表盘及仪表数字的检测和提取研究第24-48页
    3.1 MASKR2CNN网络模型第24-36页
        3.1.1 特征提取层第25-27页
        3.1.2 候选框体推荐层第27-30页
        3.1.3 尺度标准化层第30-32页
        3.1.4 多任务预测层第32-36页
    3.2 MASKR2CNN的训练和优化第36-39页
        3.2.1 网络模型优化器第36-37页
        3.2.2 Batch Normalization第37-38页
        3.2.3 损失函数第38-39页
    3.3 数据集第39-42页
        3.3.1 仪表数据集第39-40页
        3.3.2 数字数据集第40-41页
        3.3.3 倾斜检测框体标注第41-42页
    3.4 实验过程与结果分析第42-47页
        3.4.1 实验环境第42-43页
        3.4.2 实验结果及分析第43-47页
    3.5 本章小结第47-48页
第四章 仪表盘指针的定位和拟合第48-58页
    4.1 指针定位和拟合整体步骤第48-49页
    4.2 图像的预处理第49-51页
        4.2.1 图像滤波第49-50页
        4.2.2 图像灰度化第50-51页
    4.3 指针的定位和拟合第51-55页
        4.3.1 图像二值化第51-53页
        4.3.2 指针的定位和拟合第53-55页
    4.4 实验结果与分析第55-56页
    4.5 本章小结第56-58页
第五章 仪表示数的判定第58-64页
    5.1 仪表盘数字的识别第58-60页
        5.1.1 字符分割第58-59页
        5.1.2 数字识别第59-60页
    5.2 仪表示数的判定第60-61页
    5.3 实验结果与分析第61-63页
    5.4 本章小结第63-64页
第六章 总结与展望第64-66页
    6.1 全文总结第64页
    6.2 不足和进一步工作展望第64-66页
参考文献第66-70页
附录第70-72页
致谢第72-74页
攻读学位期间发表的学术论文目录第74页

论文共74页,点击 下载论文
上一篇:基于机器学习的二进制软件漏洞挖掘技术研究
下一篇:基于深度学习的脑电信号分析与模式识别研究