本文是为大家整理的全卷积网络主题相关的10篇毕业论文文献，包括5篇期刊论文和5篇学位论文，为全卷积网络选题相关人员撰写毕业论文提供参考。 1.[期刊论文]孪生压缩激励全卷积网络的目标跟踪方法 期刊：《吉林大学学报（理学版）》 | 2021 年第 002 期 摘要：为提升目标跟踪的准确性并保证其实时性,提出一种基于改进孪生全卷积网络的新方法——孪生压缩激励全卷积网络(siamese squeeze and excitation fully convolutional networks,Siam-SEFC).Siam-SEFC通过添加具有少量参数的压缩激励网络结构融合空间通道信息,为跟踪对象添加空间信息,并通过调整训练数据尺度进行尺度不定的数据增强,提取多尺度特征,有效提升目标跟踪的准确性.为提升多尺度训练速度,网络采用单一尺度预训练的权重进行初始化.与MDNet,SENet,DAT三种算法相比,Siam-SEFC在保证目标跟踪准确性的同时具有实时性;而与Siamese-FC相比,Siam-SEFC跟踪准确性提升了2.2％,参数量仅增加1.01％,且未损失实时性,验证了改进方案的有效性. 关键词：目标跟踪；孪生全卷积网络；实时性；多尺度特征；数据增强 链接：https://www.zhangqiaokeyan.com/academic-journal-cn_journal-jilin-university-science-edition_thesis/0201288752660.html
2.[期刊论文]基于全卷积网络的红外弱小目标检测算法 期刊：《红外技术》 | 2021 年第 004 期 摘要：在小天体探测、导弹制导和战场侦察等航空航天领域,由于目标信号较弱,占有像素数少,缺少目标形状和纹理信息,使用手工特征提取的传统算法容易出现大量虚警,而拥有强大特征提取能力的深度学习算法无法对微小且缺乏轮廓信息的目标训练.本文采用了滑动窗口取样训练,它源自基于人类视觉特性的传统目标检测算法中嵌套结构的思想,设计了一种使用递归卷积层的全卷积网络,在不增加额外训练参数的情况下,扩展了模型的网络深度,该网络的并行卷积结构的多个分支网络模拟了传统算法的多尺度操作,有利于在复杂环境中增强目标和背景之间的对比度,并且设计使用了多种损失函数的组合,以对抗正负样本严重不平衡的问题.实验结果表明:该方法实现了比传统方法更好的检测效果,为此领域的研究者们提供了一个新的思路和解决途径. 关键词：红外图像；弱小目标检测；递归卷积；全卷积网络；背景抑制 链接：https://www.zhangqiaokeyan.com/academic-journal-cn_infrared-technology_thesis/0201288510268.html
3.[期刊论文]基于全卷积网络及K-means聚类算法的车道线检测的研究 期刊：《电子世界》 | 2021 年第 010 期 链接：https://www.zhangqiaokeyan.com/academic-journal-cn_electronics-world_thesis/0201290232820.html
4.[期刊论文]使用候选框进行全卷积网络修正的目标分割算法 期刊：《重庆邮电大学学报（自然科学版）》 | 2021 年第 001 期 摘要：由于反卷积和上池化操作的存在,传统全卷积网络在解码阶段常常会丢失目标位置信息,降低图像的分割精度.针对这种情况,提出基于候选框网络对全卷积网络的输出进行缺陷位置微调的液晶面板缺陷分割算法.算法基于ResNet-101网络搭建全卷积主干网络,此构建2个分支,候选框生成网络和反卷积网络.在反卷积网络的输出层中使用多通道分类损失函数,输出关于每种缺陷的类别分割图.同时利用候选框网络产生高置信度的目标框,以此框对反卷积网络输出的类别分割图进行逐通道修正,使用修正后的多通道缺陷类别分割图进行逐像素分类,得到最终分割结果.实验结果表明,该算法对液晶面板缺陷的分割取得了7.5％的精度提升,边缘分割更加精细化. 关键词：缺陷分割；全卷积网络；候选框网络；液晶面板 链接：https://www.zhangqiaokeyan.com/academic-journal-cn_journal-chongqing-university-posts-telecommunications-natural-science-edition_thesis/0201288831631.html
5.[期刊论文]基于改进区域全卷积网络的高压引线接头红外图像特征分析的在线故障诊断方法 期刊：《电工技术学报》 | 2021 年第 007 期 摘要：随着智能电网建设的不断发展,海量红外图像急剧增加,而传统红外故障检测依靠人工排查或手工提取特征,检测效率低且对人员经验依赖大.为实现对红外图像的高效智能化检测,保障电网安全运行,构建基于红外特征分析的在线故障诊断系统,提出通过改进高压引线接头红外图像的特征提取网络,以提升对小目标的识别性能,然后利用区域全卷积网络(R-FCN)实现对故障区域的定位和运行状态的识别,并且使用OpenCV对该故障区域的运行状态进行二次诊断,以进一步降低误报率.最后通过测试分析,改进后的R-FCN网络对高压引线接头红外图像故障诊断的平均精度达到了80.76％,比原R-FCN网络提升了8.43％. 关键词：故障诊断；高压引线接头；红外图像；区域全卷积网络；残差网络 链接：https://www.zhangqiaokeyan.com/academic-journal-cn_transactions-china-electrotechnical-society_thesis/0201288506077.html
6.[学位论文]基于改进的全卷积网络遥感图像语义分割算法研究 目录 著录项 学科：控制工程 授予学位：硕士 年度：2021 正文语种：中文语种 链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020316432168.html
7.[学位论文]基于全卷积网络的核燃料芯块表面裂纹检测算法研究 目录 封面声明 摘要 英文摘要 目录 图目录 1绪论 1．1研究背景及意义 1．2基于机器视觉技术的裂纹检测方法研究现状 1．2．1基于传统图像处理技术的裂纹检测方法 1．2．2基于机器学习技术的裂纹检测方法 1．3论文研究内容及框架 2基于深度学习的图像语义分割基础 2．1卷积神经网络理论基础 2．1．1卷积神经网络基本构成 2．1．2损失函数 2．1．3反向传播算法 2．2芯块表面裂纹图像数据集 2．2．1芯块形貌特征 2．2．2图像采集系统的设计与搭建 2．2．3数据集制作 2．3评价指标 2．4本章小结 3基于全卷积网络的裂纹图像语义分割 3．1全卷积网络结构及特点 3．1．1全卷积化 3．1．2上采样 3．1．3特征融合 3．2经典网络结构的选择 3．2．1 fCN-VGG16 3．2．2FCN-GoogLeNet 3．2．3FCN-ResNet50 3．3实验结果对比及分析 3．3．1实验环境 3．3．2网络训练 3．3．3实验结果分析 3．4本章小结 4改进的全卷积网络方案设计与实验验证 4．1编码器结构的改进方案与实验验证 4．1．1通道维度跨越与下采样 4．1．2金字塔池化 4．1．3通道注意力机制 4．1．4实验结果分析 4．2特征融合方式的改进方案与实验验证 4．2．1改进的跳跃结构 4．2．2特征拼接 4．2．3实验结果分析 4．3FPCDNet网络设计与实验验证 4．3．1FPCDNet网络架构 4．3．2实验结果对比及分析 4．3．3实测分析 4．4本章小结 5总结与展望 5．1本文内容总结 5．2工作展望 参考文献 个人简历、在校期间发表的学术论文与研究成果 致谢 著录项 学科：仪器仪表工程 授予学位：硕士 年度：2021 正文语种：中文语种 链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020316429955.html
8.[学位论文]基于改进全卷积网络算法在桥梁上部结构裂缝检测的研究 目录 著录项 学科：控制工程 授予学位：硕士 年度：2020 正文语种：中文语种 链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020316172348.html
9.[学位论文]基于全卷积网络的制动盘裂纹检测方法研究 目录 封面声明 致谢 中文摘要 英文摘要 目录 1 绪论 1.1 研究背景及意义 1.2 制动盘裂纹产生及特点 1.3 裂纹检测研究现状 1.3.1 基于传统图像处理的裂纹检测 1.3.2 基于机器学习的裂纹检测 1.4 目标识别的发展现状 1.5 本文研究内容 1.6 论文结构及章节安排 2 相关技术方法介绍 2.1 图像边缘检测方法 2.2 人工神经网络技术 2.3 卷积神经网络技术 2.4 编码器-解码器 2.5 本章小结 3 全卷积裂纹分割网络模型 3.1 裂纹检测网络结构 3.1.1 编码器 3.1.2 扩张卷积 3.1.3 上采样 3.1.4 特征融合 3.1.5 网络输出 3.2 损失函数 3.3 数据增强 3.4 模型优化 3.5 评价指标 3.6 本章小结 4 裂纹特征后处理与定量化 4.1 裂纹图像后处理 4.1.1 形态学处理 4.1.2 孔洞填充 4.1.3 小斑块去除 4.2 裂纹特征定量化 4.2.1 区域标记 4.2.2 二值图像细化 4.2.3 边界跟踪 4.3 本章小结 5 实验验证与结果分析 5.1 数据采集与标定 5.2 模型训练 5.3 裂纹检测结果验证 5.4 裂纹特征定量化结果 5.5 本章小结 6 总结和展望 6.1 总结 6.2 下一步的展望 参考文献 作者简历 独创性声明 学位论文数据集 著录项 学科：车辆工程 授予学位：硕士 年度：2020 正文语种：中文语种 链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020316034913.html
10.[学位论文]基于改进全卷积网络的内窥镜图像伪影检测算法研究 目录 封面声明 中文摘要 英文摘要 目录 第1章 绪论 1.1 研究背景和意义 1.2 国内外研究现状 1.3 主要研究内容 1.4 论文的组织结构 第2章 基于深度学习的目标检测算法 2.1卷积神经网络 2.2 两阶段目标检测算法 2.2.1 Faster R-CNN 2.2.2 FPN 2.2.3 Cascade R-CNN 2.3 单阶段目标检测算法 2.3.1 YOLO 2.3.2 SSD 2.3.3 RetinaNet 2.4 本章小结 第3章 FCOS：全卷积网络单阶段目标检测算法 3.1 Anchor-free 3.2 损失函数 3.3 基于FPN的多尺度预测 3.4 中心度center-ness 3.5 本章小结 第4章 改进的FCOS目标检测算法 4.1 增加分割弱监督分支 4.2 GIoU 4.3 中心采样 4.4 FCOS模型加速 4.4.1 常用的模型加速方法 4.4.2 FCOS通道裁剪 4.4.3 FCOS特征蒸馏 4.5 本章小结 第5章 实验结果及分析 5.1 实验数据集介绍 5.2 实验评价标准 5.3 实验结果分析 5.4 本章小结 第6章 总结与展望 6.1 总结 6.2 展望 参考文献 作者简介及在学期间所取得的科研成果 致谢 著录项 学科：计算机技术 授予学位：硕士 年度：2020 正文语种：中文语种 链接：https://www.zhangqiaokeyan.com/academic-degree-domestic_mphd_thesis/020316152869.html |
万奢网手机版
官网微博：万奢网服务平台
