声明
第 1 章 绪论
1.1 研究背景与意义
1.2 图像识别算法在桥梁表观裂缝检测中的应用
1.2.1 桥梁表观裂缝检测的意义
1.2.2 国内外桥梁裂缝检测研究现状
1.3 图像识别算法在细胞追踪中的应用
1.3.1 细胞追踪的研究意义
1.3.2 国内外细胞追踪方法研究现状
1.4 卷积神经网络的研究现状
1.5 论文结构安排
第2 章基于深度学习的目标检测方法
2.1 深度学习理论基础
2.1.1 卷积神经网络理论基础
2.1.2 迁移学习
2.1.3 深度学习框架
2.2 基于卷积神经网络的检测方法
2.2.1 基于候选区域的检测方法
2.2.2 基于回归的检测方法
2.3 本章小结
第 3 章 桥梁表观裂缝检测方法研究
3.1 桥梁表观裂缝数据集
3.1.1 裂缝数据集的获取
3.1.2 数据集统计分析
3.2改进的YOLO算法
3.2.1 桥梁表观裂缝特征提取网络
3.2.2 多尺度特征提取
3.2.3 损失函数
3.3 实验分析
3.3.1 性能评价指标
3.3.2 实验细节
3.3.3 实验结果与分析
3.4 本章小结
第 4 章 植物细胞检测与追踪方法研究
4.1.1 引言
4.1.2 植物细胞检测与追踪算法总体设计
4.2 改进的Faster R-CNN植物细胞检测算法
4.2.1 Faster R-CNN 算法
4.2.2 K-means 聚类算法
4.2.3 Soft NMS 算法
4.3 细胞分割与追踪算法
4.3.1 基于分水岭变换的细胞分割算法
4.3.2 多种子对动态局部图细胞追踪算法
4.4 实验结果分析与讨论
4.4.1 细胞数据集与网络训练
4.4.2 模型性能指标
4.4.3 细胞检测结果分析
4.4.4 细胞分割结果分析
4.4.5 细胞追踪结果分析
4.5 本章小结
结论与展望
(一)论文总结
(二)展望
参考文献
致谢
附录 A 攻读学位期间所发表的学术论文目录
附录B 攻读学位期间所参与的科研项目
湖南大学;