基于深度学习的水下目标检测方法研究

目录

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