基于Cascade Mask R-CNN改进的X光限制品监测算法研究

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 论文的主要工作

1.4 论文的结构安排

第2章 相关理论基础

2.1 X光安检技术原理

2.2 传统图像分割方法概述

2.2.1 阈值分割

2.2.2 区域分割

2.2.3 边缘分割

2.3 人工神经网络简介

2.3.1 神经元与激活函数

2.3.2 损失函数与反向传播

2.3.3 优化函数

2.4 卷积神经网络简介

2.4.1 卷积层

2.4.2 池化层

2.4.3 全卷积网络

2.4.4 U-Net

2.5 本章小结

第3章 基于Cascade Mask R-CNN改进的实例分割方法

3.1 实验数据集与图像预处理

3.1.1 弱标签优化策略

3.1.2 多标签特征融合策略

3.2 网络结构设计与模型融合

3.2.1 ResNet与ResNeXt

3.2.2 特征金字塔网络

3.2.3 混合任务级联网络模型

3.2.4 模型融合

3.3 多尺度训练与多尺度测试

3.4 本章小结

第4章 实验结果与分析

4.1 混合任务级联对模型的影响

4.2 图像预处理策略对模型的影响

4.3 多尺度测试与模型融合对模型的影响

4.4 本章小结

第5章 总结与展望

5.1 工作总结

5.2 工作展望

参考文献

作者简介及在学期间所取得的科研成果

致谢