基于卷积神经网络的陆战场目标识别系统设计

目录

摘要

1 绪论

1．1课题背景及研究的目的和意义

1．2国内外研究现状

1．2．1深度学习在目标识别领域的研究现状

1．2．2迁移学习在目标识别领域的研究现状

1．2．3陆战场目标识别技术研究现状

1．3论文研究内容及章节安排

2陆战场目标识别与深度学习概述

2．1引言

2．1．1陆战场目标识别关键技术

2．1．2传统目标识别特征介绍

2．1．3传统目标识别方法介绍

2．2深度学习方法对比

2．2．1深度置信网络

2．2．2自动编码器

2．2．3生成对抗网络

2．2．4卷积神经网络

2．3本章小结

3卷积神经网络结构设计

3．1引言

3．2网络基本结构设计

3．2．1非线性激活函数的选择

3．2．2池化方法的选择

3．2．3分类器设计

3．3网络的优化方法对比及选择

3．3．1反向传播

3．3．2梯度下降优化算法

3．3．3过拟合问题与应对策略

3．4本章小结

4基于卷积神经网络的陆战场目标识别方法

4．1引言

4．2系统整体方案设计

4．3实验数据集

4．3．1 MSTAR数据集简介

4．3．2 SAR图像数据扩充方法

4．3．3目标-背景图像合成方法

4．4迁移学习理论

4．4．1迁移学习概念

4．4．2迁移学习机制

4．5陆战场目标识别算法整体结构

4．6训练方法

4．6．1批量归一化

4．6．2参数微调阶段

4．7本章小结

5系统设计和实验结果分析

5．1引言

5．2实验软硬件平台设计

5．2．1深度学习框架选择

5．2．2实验平台配置

5．2．3陆战场目标识别系统设计

5．3MSTAR数据集实验结果

5．3．1未结合迁移学习方法的目标识别算法

5．3．2结合迁移学习方法的目标识别算法

5．3．3与不同结构的CNN模型对比

5．4本章小结

6结论与展望

6．1本文主要工作总结

6．2未来工作展望

参考文献

致谢

声明