基于深度学习目标检测算法的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题背景及研究目的与意义 | 第9-12页 |
| 1.1.1 验证码实验背景 | 第9-11页 |
| 1.1.2 绝缘子实验背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 验证码研究现状 | 第12-13页 |
| 1.2.2 绝缘子研究现状 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文组织结构安排 | 第15-16页 |
| 第二章 深度学习目标检测算法 | 第16-29页 |
| 2.1 传统方法及问题描述 | 第16-17页 |
| 2.2 Faster R-CNN算法 | 第17-22页 |
| 2.2.1 Faster R-CNN的思想 | 第17-18页 |
| 2.2.2 区域建议网络RPN介绍 | 第18-19页 |
| 2.2.3 Fast R-CNN算法 | 第19-20页 |
| 2.2.4 网络共享 | 第20页 |
| 2.2.5 损失函数 | 第20-22页 |
| 2.3 SSD算法 | 第22-25页 |
| 2.3.1 SSD算法简介 | 第22页 |
| 2.3.2 SSD算法原理 | 第22-23页 |
| 2.3.3 额外的卷积层 | 第23-24页 |
| 2.3.4 损失函数 | 第24-25页 |
| 2.4 RANSAC算法 | 第25-29页 |
| 2.4.1 RANSAC算法概述 | 第25-26页 |
| 2.4.2 算法思想 | 第26-27页 |
| 2.4.3 算法参数 | 第27页 |
| 2.4.4 算法优缺点 | 第27-29页 |
| 第三章 基于Faster R-CNN的验证码实验 | 第29-39页 |
| 3.1 验证码识别方案的设计 | 第29页 |
| 3.2 数据采集及标注 | 第29-30页 |
| 3.3 验证码数据的模型训练 | 第30-34页 |
| 3.4 验证码数据训练的优化 | 第34-38页 |
| 3.4.1 网络层数增加 | 第34-36页 |
| 3.4.2 锚点的改变 | 第36页 |
| 3.4.3 最终检测模型 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于SSD的缺失绝缘子检测 | 第39-48页 |
| 4.1 绝缘子识别方案的设计 | 第39页 |
| 4.2 数据采集及标注 | 第39-40页 |
| 4.3 绝缘子数据的模型训练及优化 | 第40-43页 |
| 4.3.1 两种算法的比较 | 第40-42页 |
| 4.3.2 SSD网络结构锚点的改变 | 第42-43页 |
| 4.4 缺失绝缘子检测 | 第43-46页 |
| 4.4.1 绝缘子缺陷检测算法 | 第43-44页 |
| 4.4.2 RANSAC与最小二乘法比较 | 第44-45页 |
| 4.4.3 缺失绝缘子检测实验结果 | 第45-46页 |
| 4.5 绝缘子检测软件 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 总结和展望 | 第48-50页 |
| 5.1 本文总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 附图表 | 第53-54页 |
| 攻读学位期间发表的学术论文 | 第54页 |
