1 绪 论
1.1研究背景及意义
1.2课题研究现状
1.2.1 舰船目标检测的国内外研究现状
1.2.2 小样本学习研究现状和发展趋势
1.3论文结构安排
2 小样本下目标检测理论与方法
2.1引言
2.2深度学习背景理论
2.3卷积神经网络
2.3.1 卷积层
2.3.2 池化层
2.3.3 全连接层
2.4经典的深度学习目标检测模型
2.4.1 Faster R-CNN网络
2.4.2 YOLO网络
2.5小样本学习简介
2.5.1 基于数据增强的方法
2.5.2 迁移学习
2.6本章小结
3 基于改进自注意生成对抗网络的舰船样本数据增强
3.1 引言
3.2注意力机制原理
3.2.1 编码器-解码器结构
3.2.2 编码器
3.2.3 解码器
3.2.4 自注意力机制
3.3生成式对抗网络
3.3.1 GAN的思想
3.3.2 原理和标准模型
3.4.1 数据集搜集及标注
3.4.2 舰船目标样本增强网络模型
3.4.3 算法优化改进
3.5实验结果及其分析
3.5.1 实验硬件与软件环境
3.5.2 传统方法数据增强结果
3.5.3 SAGAN与改进SAGAN数据增强结果对比
3.6本章小结
4 基于迁移学习的小样本舰船目标检测
4.1引言
4.2.1 迁移学习模型
4.2.2 迁移学习策略分析
4.2.3 自适应微调深度的迁移学习方法
4.3.1 卷积神经网络的迁移学习
4.3.2 基于迁移学习Faster R-CNN的舰船目标检测
4.3.3 基于迁移学习YOLO的舰船目标检测
4.4实验结果及其分析
4.4.1 实验硬件与软件环境
4.4.2 单目标检测实验
4.4.3 多目标检测实验
4.5本章小结
5 总结与展望
5.1本文总结
5.2工作展望
参考文献
附 录
A. 作者在攻读硕士学位期间参与的项目
B. 学位论文数据集
致 谢
重庆大学;