基于深度学习的磁环外观缺陷检测方法研究及应用

目录

第一个书签之前

第一章 绪 论

1.1 研究工作的背景与意义

1.2 表面缺陷检测国内外研究与现状

1.3 本文的主要工作与创新

1.4 本论文的结构安排

第二章 卷积神经网络CNN研究综述

2.1 引言

2.2.1 隐藏层

2.2.2 神经单元

2.2.3 激活函数

2.3 反向传播算法BP

2.3.1 前向损失函数

2.3.2 反向权值更新

2.4 卷积神经网络CNN

2.4.1 二维卷积层

2.4.2 填充和步幅

2.4.3 池化层

2.4.4 AlexNet

2.5 本章小结

第三章 基于YOLO的外观缺陷检测

3.1 引言

3.2 常见目标检测网络

3.2.1 R-CNN系列

3.2.2 SSD

3.2.3 YOLO

3.3 本文网络结构详解

3.3.1 YOLOv1

3.3.2 YOLOv2

3.3.3 YOLOv3

3.4.1 数据采集

3.4.2 图像标定

3.4.3 锚框计算

3.4.4 训练与预测

3.5 实验平台及系统展示

3.6 结果分析

3.7 本章小结

第四章 嵌入CBAM网络YOLO的外观缺陷检测

4.1 前言

4.2 SENet嵌入式网络

4.3 本文使用的嵌入式网络介绍(CBAM)

4.4 在YOLOv3中嵌入CBAM网络

4.5 结果分析

4.6 本章小结

第五章 进行通道剪枝YOLO的外观缺陷检测

5.1 前言

5.2 本文剪枝算法介绍

5.3 对YOLOv3实施通道剪枝

5.4 结果分析

5.5 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 后续工作展望

致 谢

参考文献

附录

攻读硕士学位期间取得的成果