声明
摘要
第1章 引言
1.1 课题研究背景及意义
1.2 国内外研究现状
1.3 本论文的主要工作
1.4 本论文的结构与安排
第2章 矽钢片缺陷分类与定位系统
2.1 矽钢片的缺陷特征与分类
2.2 矽钢片缺陷分类与定位系统整体结构
2.3 矽钢片缺陷分类模型
2.3.1 缺陷分类模型的设计结构
2.3.2 缺陷分类模型的设计流程
2.4 矽钢片白点定位模型
2.4.1 白点定位模型的设计结构
2.4.2 白点定位模型的设计流程
2.5 本章小结
第3章 卷积神经网络在图像分类中的方法
3.1 神经网络
3.1.1 神经网络的结构
3.1.2 神经元
3.1.3 激活函数
3.2 卷积神经网络的架构
3.3 反向传播与输出分类
3.2.1 反向传播算法
3.2.2 Logistic回归
3.2.3 Soflmax分类
3.4 特征处理方法
3.4.1 卷积
3.4.2 局部感知
3.4.3 权值共享
3.4.4 多卷积核
3.4.5 池化
3.5 卷积神经网络与传统图像分类对比
3.6 本章小结
第4章 R-CNN在目标定位中的方法
4.1 R-CNN目标定位的流程结构
4.2 候选区域推荐
4.2.1 相似度的计算
4.3 卷积神经网络特征提取
4.4 类别判断
4.4.1 支持向量机
4.5 位置精确
4.6 R-CNN的方法改进
4.7 本章小结
第5章 矽钢片缺陷分类与定位模型的设计与实现
5.1 矽钢片缺陷分类模型的设计
5.1.1 数据输入层的设计
5.1.2 卷积层的设计
5.1.3 全连接层的设计
5.1.4 输出分类层的设计
5.1.5 网络结构与参数优化
5.2 深度学习框架Caffe
5.2.1 Caffc的简介
5.2.2 Caffe的三级结构
5.3 矽钢片缺陷分类模型的实现
5.3.1 矽钢片缺陷分类模型的训练
5.3.2 矽钢片缺陷分类模型的测试
5.3.3 特征图可视化
5.4 矽钢片白点定位模型的实现
5.4.1 矽钢片白点定位模型的训练
5.4.2 矽钢片白点定位模型的测试
5.5 本章小结
结论
致谢
参考文献
攻读学位期间取得学术成果