基于深度学习的热轧带钢表面缺陷检测算法研究

目录

声明

摘要

第1章绪论

1．1研究背景与意义

1．2国内外研究现状

1．2．1带钢表面缺陷检测

1．2．2图像分类与目标检测

1．3主要工作

1．4论文结构安排

第2章深度学习相关知识

2．1．2卷积神经网络

2．2图像分类

2．2．1VGGNet

2．2．3MobUeNet

2．3目标检测

2．3．1two-stage方法

2．3．2one-stage方法

2．4本章总结

第3章带钢表面缺陷多标签分类算法

3．1多标签分类

3．2神经网络多标签分类改进

3．2．1添加注意力机制

3．2．2多标签损失函数

3．3实验结果与分析

3．4本章小结

第4章带钢表面缺陷目标检测算法

4．1原始YOLO算法

4．1．1YOLOv3算法

4．1．2YOLOv4算法

4．2改进YOLOv3算法

4．2．1加权K-means聚类

4．2．2空间金字塔池化结构

4．2．3多检测尺度

4．3改进YOLOv4算法

4．3．1损失函数改进

4．3．2自适应空间特征融合

4．4实验结果及分析

4．4．1实验环境及评价指标

4．4．2数据集及预处理

4．4．3改进YOLOv3实验

4．4．4改进YOLOv4实验

4．4．5缺陷检测模型对比

4．5本章小结

第5章带钢表面缺陷检测网络的剪枝

5．1神经网络轻量化

5．2改进YOLOv4模型剪枝

5．2．1剪枝原理

5．2．2剪枝步骤

5．3实验结果与分析

5．4本章小结

第6章总结与展望

6．2未来展望

致谢

参考文献

附录