基于DNN的遥感图像海面目标检测技术研究

目录

摘要

1．1课题的研究背景及意义

1．2国内外研究现状

1．3主要研究内容

1．4论文组织结构

2基于深度学习的目标检测技术

2．1基本理论概述

2．1．1神经网络与深度学习

2．1．2 DNN前向传播算法的数学原理

2．1．3常用的激活函数

2．2常用的深度神经网络结构

2．2．1 Vgg16的结构分析

2．2．2 GoogleNet的结构分析

2．2．3 ResNet的结构分析

2．3神经网络优化问题

2．3．1深度神经网络出现的问题

2．3．2常用的神经网络调优方案

2．4本章小结

3改进Faster R-CNN算法的海面目标检测

3．1问题分析

3．2 Faster R-CNN的算法研究

3．2．2 Faster R-CNN算法的不足之处

3．3改进Faster R-CNN算法的设计

3．3．1调整RATIOS的大小及个数

3．3．2将NMS替换为Soft-NMS

3．4本章小结

4改进YOLO v3算法的海面目标检测

4．1 YOLO v3算法的研究

4．1．1 YOLO v3算法的基本原理

4．1．2 YOLO v3算法的不足之处

4．2改进YOVO v3算法的设计

4．2．1使用Kmeans++生成anchor box值

4．2．2采用“FPN”思想进行特征融合

4．2．3选用GIoU作为坐标预测的损失函数

4．3本章小结

5实验结果与分析

5．1数据集的准备

5．2搭建实验环境

5．3改进Faster R-CNN算法的实验过程

5．3．1模型的训练

5．3．2实验结果

5．4改进YOLO v3算法的实验过程

5．4．1模型的训练

5．4．2实验结果

5．5实验结果的综合分析与比较

5．6本章小结

6总结与展望

6．1研究工作总结

6．2未来展望

参考文献

攻读硕士学位期间发表的论文及成果

致谢

声明