基于身体特征图像及深度学习的奶牛身份识别方法的研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 深度学习研究现状 | 第10-11页 |
| 1.2.2 奶牛身份识别研究现状 | 第11-12页 |
| 1.3 研究内容和组织架构 | 第12-14页 |
| 第二章 深度学习基本理论介绍 | 第14-27页 |
| 2.1 深度学习框架 | 第14-15页 |
| 2.2 卷积神经网络介绍 | 第15-18页 |
| 2.2.1 卷积神经网络的原理 | 第15-16页 |
| 2.2.2 经典卷积神经网络 | 第16-18页 |
| 2.3 基于深度学习的目标检测算法 | 第18-26页 |
| 2.3.1 R-CNN系列算法 | 第18-21页 |
| 2.3.2 YOLO系列算法 | 第21-24页 |
| 2.3.3 SSD检测算法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 奶牛身份识别系统的实现 | 第27-44页 |
| 3.1 奶牛身份识别系统总体设计 | 第27-29页 |
| 3.1.1 系统功能与结构分析 | 第27-28页 |
| 3.1.2 奶牛身份识别系统检测流程 | 第28-29页 |
| 3.2 环境搭建 | 第29-32页 |
| 3.2.1 图像采集平台搭建 | 第29-31页 |
| 3.2.2 运行环境配置 | 第31-32页 |
| 3.3 数据集准备 | 第32-35页 |
| 3.3.1 实验样本集 | 第33页 |
| 3.3.2 奶牛数据集制作和标注 | 第33-35页 |
| 3.4 模型训练和测试 | 第35-42页 |
| 3.4.1 选取网络模型 | 第35-36页 |
| 3.4.2 初始化训练文件结构 | 第36-37页 |
| 3.4.3 参数设定与训练过程 | 第37-40页 |
| 3.4.4 实验测试结果 | 第40-42页 |
| 3.5 YOLO系列算法测试效果对比 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 奶牛身份识别系统的优化 | 第44-55页 |
| 4.1 数据集增强 | 第44-46页 |
| 4.1.1 数据增强方案 | 第44-45页 |
| 4.1.2 基于数据集增强的实验分析 | 第45-46页 |
| 4.2 YOLOv3 网络改进 | 第46-49页 |
| 4.2.1 YOLOv3 网络结构的补充 | 第46-47页 |
| 4.2.2 基于改进网络的实验分析 | 第47-49页 |
| 4.3 YOLOv3 视频测试 | 第49-50页 |
| 4.4 系统平台 | 第50-54页 |
| 4.4.1 平台架构介绍 | 第51-52页 |
| 4.4.2 平台工作流程 | 第52-53页 |
| 4.4.3 平台效果展示 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 后续工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |
