基于深度学习的生活垃圾分类和检测
| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 垃圾分类的国内外研究现状 | 第13-14页 |
| 1.2.1 垃圾分类国内现状 | 第13页 |
| 1.2.2 垃圾分类国外研究现状 | 第13-14页 |
| 1.3 深度学习目标检测国内外研究现状 | 第14-19页 |
| 1.3.1 国内研究现状 | 第14-16页 |
| 1.3.2 国外研究现状 | 第16-19页 |
| 第二章 目标检测相关知识 | 第19-27页 |
| 2.1 图像数据 | 第19页 |
| 2.2 模型的评估指标 | 第19-20页 |
| 2.3 单步多框目标检测 | 第20-27页 |
| 第三章 网络模型的改进 | 第27-35页 |
| 3.1 批归一化与分组归一化 | 第27-29页 |
| 3.2 聚类分组归一化 | 第29-32页 |
| 3.3 注意力机制 | 第32-34页 |
| 3.3.1 SeNet网络结构 | 第32-33页 |
| 3.3.2 Cbam网络结构 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 模型效果实验 | 第35-39页 |
| 4.1 数据集介绍及预处理 | 第35页 |
| 4.2 模型对照实验 | 第35页 |
| 4.3 聚类分组归一化效果验证 | 第35-38页 |
| 4.4 注意力机制效果验证 | 第38页 |
| 4.5 本章小结 | 第38-39页 |
| 第五章 生活垃圾分类及目标检测 | 第39-45页 |
| 5.1 数据集介绍 | 第39页 |
| 5.2 模型训练步骤 | 第39-40页 |
| 5.3 设备信息及模型参数设置 | 第40页 |
| 5.4 模型评估 | 第40-42页 |
| 5.5 模型效果展示 | 第42-45页 |
| 第六章 总结与展望 | 第45-47页 |
| 6.1 总结 | 第45页 |
| 6.2 展望 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 攻读学位期间取得的研究成果 | 第51-53页 |
| 致谢 | 第53-55页 |
| 个人简况及联系方式 | 第55-59页 |
