声明
1 绪论
1.1 论文的研究背景及意义
1.2 舰船目标检测与识别研究现状
1.3 深度学习目标识别的方法与进展
1.3.1 卷积神经网络的结构
1.3.2 三种典型的分类卷积神经网络
1.3.3 基于卷积神经网络目标识别的方法概述
1.4 本文主要研究内容
1.5 本文组织结构
2 遥感舰船目标数据集构建
2.1 遥感舰船数据集获取
2.2 数据增广
2.3 数据集舰船目标标注
2.3 数据集舰船目标特性分析
2.4 本章小结
3 深度学习舰船目标识别方法比较研究
3.1 引言
3.2 目标检测与识别结果衡量标准
3.3 SSD遥感海面舰船目标识别算法
3.3.1 SSD算法的框架结构
3.3.2 损失函数
3.3.3 算法的训练技巧以及结果分析
3.4Faster RCNN遥感海面舰船目标识别算法
3.4.1 区域建议网络（RPN）
3.4.2 分类器的设计
3.4.3 区域建议网络损失函数和框回归损失函数
3.4.4 算法训练及结果分析
3.5Faster RCNN和SSD舰船目标识别算法性能对比分析
3.6 本章小结
4 基于RetinaNet算法和聚类的遥感海面舰船目标识别
4.1 引言
4.2 特征金字塔网络
4.3 损失函数选择
4.4 基于聚类的先验框设计
4.5 参数初始化以及训练细节
4.6 训练结果分析
4.7 三种算法性能的综合分析
4.8 本章小结
5 总结与展望
5.1 全文工作总结
5.2 研究工作展望
致谢
参考文献
