摘要
1绪论
1.1研究背景及意义
1.2国内外研究现状
1.2.1目标识别技术
1.2.2基于深度学习的目标识别技术
1.3低慢小目标识别面临的技术难题
1.4论文主要研究内容及章节安排
2深度学习理论框架与关键技术分析
2.1相关基础理论
2.1.1卷积层
2.1.2激活函数和池化层
2.1.3全连接层和Softmax分类层
2.1.4误差反向传播算法
2.2深度学习常用的主干神经网络
2.2.1AlexNet网络
2.2.2VGGNet网络
2.3数据集准备
2.3.1常见无人机运动场景分析
2.3.2小型无人机图像采集要求
2.3.3数据集构建过程
2.4深度学习框架的选取
2.4.1常用的深度学习框架性能比较
2.4.2TensorFlow深度学习框架开发流程
2.5本章小结
3基于深度学习的目标识别算法研究
3.1SSD和YOLOv3算法模型
3.1.1SSD算法模型
3.1.2YOLOv3算法模型
3.2实验过程
3.2.1实验环境
3.2.2训练过程
3.2.3实验结果分析
3.3算法模型性能优化
3.3.1SMOTE算法原理
3.3.2实验结果
3.4技术指标测试评价结果分析
3.5本章小结
4基于Jetson TX2平台的的目标识别技术研究
4.1NIVIDIA Jetson TX2平台架构及开发环境搭建
4.1.1硬件平台简介
4.1.2软件平台简介
4.2系统环境搭建
4.2.1系统硬件环境搭建
4.2.2系统软件环境搭建
4.3实验环境配置
4.3.1配置TensorFlow深度学习框架
4.3.2TensorRT推理加速
4.3.3编译YOLOv3算法
4.4本章小结
5总结与展望
5.1总结
5.2展望
参考文献
致谢
声明
西安工业大学;