|
|
|
基于深度卷积神经网络的混凝土表观裂缝检测 |
|
论文目录 |
|
摘要 | 第4-5页 | Abstract | 第5-6页 | 第1章 绪论 | 第10-18页 | 1.1 课题来源 | 第10页 | 1.2 课题背景及研究意义 | 第10-11页 | 1.3 国内外研究现状及分析 | 第11-16页 | 1.3.1 卷积神经分类网络 | 第11-14页 | 1.3.2 语义分割网络 | 第14-16页 | 1.4 主要研究内容 | 第16-18页 | 第2章 基于深度卷积神经网络的裂缝检测框架 | 第18-35页 | 2.1 引言 | 第18页 | 2.2 基于深度卷积神经网络的裂缝检测框架的建立 | 第18-26页 | 2.2.1 数据集的建立 | 第18-22页 | 2.2.2 网络模型及训练参数 | 第22-23页 | 2.2.3 评价指标 | 第23-24页 | 2.2.4 测试方法 | 第24-25页 | 2.2.5 裂缝标记方式 | 第25-26页 | 2.3 不同因素对测试性能的影响 | 第26-32页 | 2.3.1 卷积神经网络对裂缝检测性的影响 | 第27-29页 | 2.3.2 数据集对裂缝检测效果的影响 | 第29-31页 | 2.3.3 测试方式对裂缝检测性能的影响 | 第31-32页 | 2.3.4 裂缝标记方式对裂缝检测性能的影响 | 第32页 | 2.4 结果讨论 | 第32-33页 | 2.5 本章小结 | 第33-35页 | 第3章 基于经典分类卷积神经分类网络的裂缝检测 | 第35-56页 | 3.1 引言 | 第35页 | 3.2 卷积神经网络的基本组成及算法 | 第35-39页 | 3.2.1 卷积层 | 第35-36页 | 3.2.2 池化层 | 第36页 | 3.2.3 批量归一化层 | 第36-37页 | 3.2.4 特征汇合层 | 第37页 | 3.2.5 全连接层 | 第37-38页 | 3.2.6 激活层 | 第38页 | 3.2.7 分类层 | 第38页 | 3.2.8 Softmax损失函数与随机梯度下降 | 第38-39页 | 3.3 五种经典分类卷积神经网络介绍 | 第39-46页 | 3.3.1 Alex Net | 第39-40页 | 3.3.2 Inception-v3 | 第40-42页 | 3.3.3 Res Net | 第42-43页 | 3.3.4 Xception | 第43-44页 | 3.3.5 Dense Net | 第44-46页 | 3.4 经典分类卷积神经网络的训练和测试 | 第46-52页 | 3.4.1 数据集 | 第46页 | 3.4.2 网络训练 | 第46-48页 | 3.4.3 评价指标 | 第48-49页 | 3.4.4 测试结果及分析 | 第49-52页 | 3.5 数据集大小合理性验证 | 第52-53页 | 3.6 网络融合 | 第53-54页 | 3.7 本章小结 | 第54-56页 | 第4章 基于全卷积神经网络的裂缝检测 | 第56-74页 | 4.1 引言 | 第56页 | 4.2 全卷积神经网络的原理及裂缝检测 | 第56-65页 | 4.2.1 全卷积神经网络的原理 | 第57-61页 | 4.2.2 全卷积神经网络裂缝检测 | 第61-65页 | 4.3 基于空洞卷积改进的FCN-8s裂缝检测模型 | 第65-71页 | 4.3.1 空洞卷积 | 第65-67页 | 4.3.2 新型网络架构 | 第67-68页 | 4.3.3 新网络测试结果与分析 | 第68-71页 | 4.4 在新数据集下的网络性能测试 | 第71-72页 | 4.4.1 新数据集 | 第71页 | 4.4.2 试验结果 | 第71-72页 | 4.5 本章小结 | 第72-74页 | 结论与展望 | 第74-75页 | 参考文献 | 第75-80页 | 致谢 | 第80页 |
|
|
|
|
论文编号BS4620053,这篇论文共80页 会员购买按0.35元/页下载,共需支付28元。 直接购买按0.5元/页下载,共需要支付40元 。 |
 |
 |
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|