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
西安工业大学;