声明
摘要
1．1课题研究背景与意义
1．2国内外研究概况
1．2．1基于传统方法的水下目标检测算法
1．2．2基于深度学习的水下目标检测算法
1．2．3鱼类检测研究现状
1．3主要研究内容
1．4论文结构安排
第2章深度学习理论与技术
2．1人工神经网络
2．2卷积神经网络
2．2．1卷积层
2．2．2池化层
2．2．3激活函数
2．2．4损失函数
2．3目标检测算法
2．3．1骨干网络
2．3．2两阶段目标检测算法
2．3．3单阶段目标检测算法
2．3．4非极大值抑制算法
第3章基于多尺度特征的海洋鱼类检测模型设计
3．1引言
3．2SSD网络分析
3．3特征金字塔结构研究
3．4特征增强模块设计
3．5基于多尺度特征的SSD网络设计
3．6实验结果与分析
3．6．1实验数据集
3．6．2数据增强
3．6．3迁移学习
3．6．4实验评价指标
3．6．5实验细节
3．6．6实验结果分析
3．7本章小结
第4章基于数据集的多尺度特征海洋鱼类检测模型研究
4．1引言
4．2数据集类别分布问题研究
4．2．1数据集类别分布不均匀对模型的影响
4．2．2数据集类别分布不均匀处理方法
4．3难分样本问题研究
4．3．1难分样本问题
4．3．2Focal Loss损失原理研究
4．4实验结果与分析
4．4．1类别分布平衡实验
4．4．2难分样本平衡实验
4．4．3综合实验
4．5本章小结
第5章海洋鱼类检测系统设计
5．1海洋鱼类检测系统需求分析
5．2系统架构设计
5．2．1图像采集模块设计
5．2．2图像识别模块设计
5．2．3效果展示模块设计
5．3海洋鱼类检测系统搭建
5．3．1系统开发环境
5．3．2系统界面设计
5．4本章小结
第6章总结与展望
参考文献
攻读硕士学位期间发表的学术成果及参与科研项目
致谢
山东大学;
