基于深度学习的无人机地面小目标算法研究

目录

第 1章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状和发展趋势分析

1.3 无人机地面车辆小目标检测难点

1.4 各章节结构安排

第2章 深度学习相关基础理论

2.1 深度学习简介

2.2 前馈神经网络

2.3 卷积神经网络(CNN)

2.3.1 卷积层

2.3.2 反向传播机制

2.3.3 激活函数

2.3.4 全连接层

2.3.5 池化层

2.4 深度学习主流框架

2.5 评价指标

2.6 卷积神经网络可视化

2.7 本章小结

第3章 卷积神经网络模型研究与对比

3.1 引言

3.2 基于Two-stage 的卷积神经网络模型

3.2.1 Fast R-CNN

3.2.2 Faster R-CNN

3.3 基于One-stage 的卷积神经网络模型

3.3.1 YOLO系列

3.3.2 SSD

3.4 模型结构对比与实验对比

3.5 基于深度学习的小目标检测相关技术

3.5.1 FPN

3.5.2 转置卷积

3.5.3 Cascade结构

3.6 本章小结

第4章 车辆样本数据集的建立

4.1 车辆数据集的来源

4.2 车辆数据集的制作

4.3 数据预处理

4.3.1 图像去噪

4.3.2 图像增强

4. 4 本章小结

第5章 改进卷积网络的地面车辆检测

5.1 基于Faster R-CNN和FPN 模型的改进方法

5.1.1 FFRCNN模型

5.1.2 多尺度融合

5.1.3 损失函数

5.1.4 参数微调

5.2 实验数据训练与结果分析

5.2.1 实验训练配置

5.2.2 实验结果分析

5.3 本章小结

结 论

参考文献

攻读硕士期间发表的论文及取得的科研成果

致谢