基于深度学习的汽车活塞缺陷检测算法研究

目录

第1章 绪论

1.1研究背景与意义

1.2国内外研究现状

1.3本文主要研究内容与论文结构安排

1.3.1 本文的主要研究内容

1.3.2论文结构安排

第2章 基于深度学习的缺陷检测理论

2.1卷积神经网络概念与基本结构

2.1.1 神经网络介绍

2.1.2 卷积操作

2.1.3 激活函数

2.1.4 池化层

2.1.5 全连接层

2.1.6 BN（Batch Normalization）层

2.2 典型网络骨架

2.2.1 VGGNet

2.2.2 ResNet

2.2.3 FPN

2.3 本章小结

第3章 EfficientDet检测算法研究及探索

3.1 实验数据集的制作

3.1.1 图像采集

3.1.2 数据增强及手工标注

3.2 检测算法的模型评价指标

3.3 EfficientNet网络详解

3.4 基于改进EfficientNet算法的缺陷检测算法

3.5 对比实验

3.5.1 实验环境及参数

3.5.2 实验网络参数

3.5.3 模型训练

3.5.4实验和分析

3.6 本章小结

第4章 基于改进Faster-Rcnn检测算法研究

4.1 一阶段检测算法与两阶段检测算法的介绍

4.2 一阶段检测网络

4.2.1 YOLO系列检测网络

4.2.2 SSD检测网络

4.3 Faster R-CNN检测网络

4.3.1 Faster R-CNN检测网络的原理

4.3.2 改进的Faster R-CNN网络结构

4.4 对比实验

4.4.1 实验环境

4.4.2 模型训练

4.4.3 改进前后算法比较

4.5 有效验证

4.6本章小结

第5章 公共数据集对比实验及分析

5.1 公共数据集来源和处理

5.2 实验环境及网络参数

5.3 实验结果展示与分析

5.4 本章小结

第6章 总结与展望

6.1 总结

6.2 展望

攻读硕士学位期间主要科研成果

致谢

声明