摘要
1绪论
1.1课题背景及研究意义
1.2国内外研究现状
1.2.1水下图像增强研究现状
1.2.2水下目标检测技术研究现状
1.2.3基于深度学习的目标检测算法研究现状
1.3研究思路
1.4章节安排
2水下图像数据库的构建及预处理
2.1水产品图像数据库的构建
2.2水产品数据库统计分析
2.3基于深度卷积生成对抗网络的数据扩增算法研究
2.3.1DCGAN模型
2.3.2模型优化方法
2.3.3图像融合方法
2.3.4实验与分析
2.4水下图像增强方法研究
2.4.1基于CLAHE算法的水下图像对比度增强
2.4.2基于MSRCR算法的水下图像颜色校正
2.4.3实验与分析
2.5本章小结
3基于卷积神经网络的水下目标检测算法研究
3.1卷积神经网络理论研究
3.1.1基础单元
3.1.2误差反向传播算法
3.1.3经典卷积神经网络结构
3.2基于Faster R-CNN的水下目标检测算法研究
3.3基于SSD的水下目标检测算法研究
3.4基于YOLOv3的水下目标检测算法研究
3.5实验与结果分析
3.5.1数据集建立
3.5.2训练参数设置及训练过程
3.5.3评价指标
3.5.4检测结果及对比分析
3.6本章小结
4基于YOLOv3的轻量模型设计与测试
4.1YOLOv3算法在TX2平台的可行性分析
4.2UW_YOLOv3轻量模型设计
4.2.1主干网络设计
4.2.2预测网络设计
4.2.3整体模型搭建
4.3模型训练方法
4.4实验与结果分析
4.4.1评价指标
4.4.2主干网络对比实验
4.4.3预测网络对比实验
4.4.4检测算法对比实验
4.5本章小结
5基于Jetson TX2平台的水下目标检测系统实现
5.1水下实时目标检测系统总体设计
5.2实验平台介绍
5.3UW_YOLOv3的模型移植与测试
5.3.1Jetson TX2环境配置
5.3.2模型移植
5.3.3TensorRT加速
5.4系统实验结果与分析
5.4.1基于PyQt5的可视化界面设计
5.4.2系统测试及结果分析
5.5本章小结
6结论与展望
6.1工作总结
6.2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;