声明
摘要
1.1研究背景和意义
1.2本文研究目标和主要贡献
1.2.1研究目标
1.2.2本文的主要工作和创新点
1.3本文的组织结构
2.1概述
2.2深度学习简述
2.3国内外研究现状
2.3.1基于人工设计的特征学习方法
2.3.2基于深度学习的卷积神经网络算法
2.4基于卷积神经网络的目标检测框架
2.4.1基于候选区域的目标检测框架
2.4.2单阶段的目标检测框架
2.5本章小结
第三章面向海上舰船小目标优化的深度神经网络目标检测框架
3.1概述
3.2基础模块的设计与介绍
3.2.1稠密块的设计
3.2.2过渡块的设计
3.2.3残差块的设计
3.3定制的特征提取网络结构
3.4 DEOD目标检测架构
3.4.1 DEOD检测架构算法流程
3.4.2类别预测和边界框预测
3.4.3 Softmax分类及其损失函数
3.4.4边界框回归及其损失函数
3.4.5多任务总损失函数
3.5基于稠密结构的同尺度多层特征融合方法
3.5.1常用的小目标优化方法
3.5.2同尺度多层特征融合方法的融合策略与实施流程
3.6本章小结
第四章基于同尺度多层特征融合方法的海上舰船目标检测
4.1概述
4.2实验相关设置与参数
4.2.1实验平台环境介绍
4.2.2训练参数配置
4.2.3实验结果的评价标准
4.3基于稠密结构的目标检测框架在通用数据集上的扩展实验
4.4海上舰船目标检测实验结果
4.4.1数据与训练
4.4.2实验结果与分析
4.5本章小结
5.1工作内容总结
5.2未来研究展望
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
北京化工大学;