基于深度学习技术的巡检视频图像智能理解算法研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 研究内容与设计指标 | 第9页 |
| 1.4 论文组织 | 第9-12页 |
| 第二章 图像处理基础原理 | 第12-24页 |
| 2.1 图像处理基本范畴 | 第12-15页 |
| 2.2 图像导数和梯度 | 第15-17页 |
| 2.3 图像聚类 | 第17-18页 |
| 2.4 图像内容分类 | 第18-22页 |
| 2.5 本章小结 | 第22-24页 |
| 第三章 基于深度学习的图像识别 | 第24-34页 |
| 3.1 深度学习概述 | 第24-29页 |
| 3.2 深度学习的常见结构 | 第29-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 基于快速CNN的目标检测与识别 | 第34-48页 |
| 4.1 目标检测网络fasterR-CNN | 第34-39页 |
| 4.2 训练环境搭建 | 第39-41页 |
| 4.3 训练数据集准备 | 第41-43页 |
| 4.4 网络模型修改 | 第43页 |
| 4.5 开始训练 | 第43页 |
| 4.6 训练结果验证 | 第43-45页 |
| 4.7 验证结果分析 | 第45页 |
| 4.8 本章小结 | 第45-48页 |
| 第五章 基于回归学习的目标检测与识别 | 第48-56页 |
| 5.1 YOLO简介 | 第48-51页 |
| 5.2 YOLO训练 | 第51-52页 |
| 5.3 YOLO训练结果小结 | 第52-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62页 |
