基于多尺度残差U-net网络和注意力自对抗网络的小麦计数方法研究

声明

第一章 绪论

1.1 研究背景及意义

1.2研究现状及技术难点

1.2.1国内外研究现状

1.2.2 存在的问题

1.3本文主要研究内容

1.4论文组织结构

第二章 深度神经网络技术概述

2.1卷积神经网络

2.1.1感知机和激活函数

2.1.2卷积神经网络常用层简介

2.1.3常见的基础卷积神经网络

2.2生成对抗网络

2.2.1生成对抗网络的基本思想

2.2.2生成对抗网络的训练过程

2.2.3生成对抗网络的目标函数

2.3本章总结

第三章 基于多尺度残差U-net网络的小麦计数方法

3.1 引言

3.2数据采集及数据预处理

3.2.1数据采集

3.2.2数据预处理

3.3多尺度残差U-net网络

3.3.1 U-net网络

3.3.2 多尺度残差模块

3.3.3网络架构

3.4小麦计数算法步骤

3.5实验结果与分析

3.5.1评价指标

3.5.2实验结果

3.5.3实验分析

3.6 本章小结

第四章 基于注意力自对抗网络的小麦计数方法

4.1引言

4.2 数据集介绍及数据增广

4.2.1ACID数据集概括

4.2.2数据增广

4.3沙漏网络

4.3.1沙漏子网络

4.3.2堆叠沙漏网络

4.4基于注意力机制和自对抗的网络

4.4.1生成器和判别器

4.4.2注意力机制

4.5网络实现

4.5.1网络训练

4.5.2算法步骤

4.6 实验结果与分析

4.6.1实验结果

4.6.2成分分析

4.7 本章小结

结论

参考文献

攻读硕士学位期间研究成果

致谢