声明
第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 传统图像处理的方法
1.2.2 机器学习的方法
1.2.3 深度学习的方法
1.3 论文主要研究内容
1.4 论文结构安排
第2 章相关技术概述
2.1 分类网络模型
2.1.1卷积神经网络
2.1.2 卷积神经网络结构
2.1.3 分类函数
2.2分类和分割的评价指标
2.2.1 分类的评价指标
2.2.2 分割的评价指标
2.3 金属表面缺陷数据集
2.3.1 钢铁数据集
2.3.2 铝材数据集
2.4 本章小结
第3 章 基于类激活图的金属表面缺陷检查
3.1 引言
3.2 类激活图可视化算法
3.3 基于类激活图的金属表面缺陷定位
3.3.1 网络结构
3.3.2 网络训练相关参数
3.4 实验结果及其分析
3.4.1 分类结果及其分析
3.4.2 算法定位结果及其分析
3.5 本章小结
第4 章 基于种子线索的金属表面缺陷语义分割
4.1 引言
4.2 DSRG种子线索生长算法
4.3 基于种子线索的金属表面缺陷分割
4.4 实验结果及其分析
4.5 金属表面分割仿真系统设计
4.5.1 金属表面分割仿真系统设计
4.5.2 系统执行过程
总结与展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果
西南交通大学;