基于深度学习的布匹缺陷检测方法研究

目录

第1 章绪 论

1.1 课题背景及研究目的和意义

1.2 国内外研究现状

1.2.1 布匹缺陷检测方法研究现状

1.2.2 基于深度学习的目标检测方法研究现状

1.3 本文主要研究内容与组织结构安排

第2 章深度学习目标检测算法研究

2.1 引言

2.2 卷积神经网络原理

2.3 基于区域候选的目标检测算法

2.3.1 特征提取网络

2.3.2 区域候选网络

2.3.3 感兴趣区域池化

2.3.4 检测器结构

2.4 本章小结

第3 章适应布匹多种缺陷形态的特征提取方法研究

3.1 引言

3.2 基于多尺度特征方法的特征提取网络

3.2.1 基于特征金字塔结构的特征提取

3.2.2 基于残差结构的特征重标定网络

3.2.3 融入可变形卷积

3.3 ROI Pooling 方法改进

3.3.1 ROI Pooling 产生的区域不匹配问题

3.3.2 叠加全局特征的 ROI

3.4 本章小结

第4 章布匹缺陷检测方法设计

4.1 引言

4.2 基于改进 Faster R-CNN的检测方法设计

4.2.1 基于聚类分析算法的 anchor设计

4.2.2 非单一阈值的检测器结构

4.3 多任务损失函数设计

4.4 本章小结

第5 章实验验证与结果分析

5.1 实验环境配置

5.2 数据预处理

5.2.1 数据集统计分析及类别优化

5.2.2 布匹缺陷的数据增强

5.3 适应多种缺陷形态的特征提取效果分析

5.4 缺陷检测结果分析

5.4.1 缺陷检测结果评估方法

5.4.2 缺陷检测结果分析

5.5 本章小结

结 论

参考文献

声明

致谢