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
武汉科技大学;