基于深度学习的微小元件姿态识别算法研究

目录

声明

1 绪论

1.1 研究背景及意义

1.2 研究现状

1.2.1 卷积神经网络的研究现状

1.2.2 姿态识别研究现状

1.3 论文的研究内容及结构

2 深度学习理论知识

2.1 神经网络基础理论知识

2.1.1 神经元

2.1.2 感知器与前馈神经网络

2.2 卷积神经网络相关理论

2.2.1 卷积神经网络的局部连接和权值共享

2.2.2 卷积神经网络基本结构

2.3 反向传播算法

2.4 过拟合

2.5 深度学习框架

2.5.1 TensorFlow框架

2.5.2 keras框架

2.6 本章小结

3 图像采集系统搭建及图像分割

3.1 获取图像系统概述

3.1.1 实验材料样品构成

3.1.2 图像捕捉设备简介

3.1.3 图像采集系统搭建

3.2 基于Otsu阈值的图像分割

3.3 本章小结

4 基于卷积神经网络的姿态识别模型

4.1 基于神经网络的姿态图像数据处理

4.1.1 图像姿态类别定义

4.1.2 数据增强

4.1.3 数据集编码

4.2 基于姿态识别的卷积网络模型搭建

4.2.1 VGGNet网络结构解析

4.2.2 本文网络结构搭建

4.3 基于卷积神经网络的姿态识别

4.3.1 模型训练方法及参数设定

4.3.2 模型评价指标

4.3.3 模型训练实验结果分析

4.4 本章小结

5 总结与展望

5.1 本文内容总结

5.2 工作展望

参考文献

个人简历、在校期间发表的学术论文与研究成果

致谢