卷积神经网络在异型纤维识别中的研究和应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究的目标、内容和创新点 | 第12-14页 |
| 1.3.1 研究目标 | 第12页 |
| 1.3.2 研究内容 | 第12-13页 |
| 1.3.3 创新点 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 人工神经网络技术 | 第15-25页 |
| 2.1 人工神经元模型 | 第15-17页 |
| 2.2 人工神经网络模型 | 第17-18页 |
| 2.3 BP神经网络 | 第18-22页 |
| 2.3.1 BP神经网络算法流程 | 第19页 |
| 2.3.2 BP神经网络模型求解 | 第19-22页 |
| 2.3.3 BP神经网络的优缺点 | 第22页 |
| 2.4 卷积神经网络 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 异型纤维识别总体设计 | 第25-30页 |
| 3.1 技术路线 | 第25-26页 |
| 3.2 图像预处理 | 第26-27页 |
| 3.3 图像分割 | 第27页 |
| 3.4 特征提取与分类识别 | 第27-29页 |
| 3.4.1 纹理特征 | 第28页 |
| 3.4.2 形状特征 | 第28-29页 |
| 3.4.3 分类识别 | 第29页 |
| 3.5 本章小结 | 第29-30页 |
| 第四章 纤维图像预处理和图像分割 | 第30-38页 |
| 4.1 纤维图像预处理 | 第30-35页 |
| 4.1.1 纤维图像灰度化 | 第30-31页 |
| 4.1.2 纤维图像降噪处理 | 第31-33页 |
| 4.1.3 纤维图像二值化 | 第33-35页 |
| 4.2 纤维图像分割 | 第35-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 基于卷积神经网络的异型纤维识别 | 第38-48页 |
| 5.1 异型纤维识别的难点 | 第38-39页 |
| 5.2 卷积神经网络的优点 | 第39-42页 |
| 5.2.1 局部连接 | 第40-41页 |
| 5.2.2 子采样 | 第41-42页 |
| 5.3 基于卷积神经网络的异型纤维识别 | 第42-47页 |
| 5.3.1 基于卷积神经网络的异型纤维识别过程 | 第43-44页 |
| 5.3.2 基于卷积神经网络的异型纤维识别求解 | 第44-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 实验结果与分析 | 第48-55页 |
| 6.1 数据集 | 第48-51页 |
| 6.2 实验环境 | 第51页 |
| 6.3 试验结果 | 第51-54页 |
| 6.3.1 本文识别方法 | 第51-52页 |
| 6.3.2 本文方法与SVM方法对比实验 | 第52-53页 |
| 6.3.3 不同网络结构对比实验 | 第53-54页 |
| 6.4 本章小结 | 第54-55页 |
| 第七章 总结与展望 | 第55-57页 |
| 7.1 总结 | 第55-56页 |
| 7.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
