基于深度学习的航拍图像目标检测算法应用研究

目录

声明

致谢

第一章 绪论

1.1 研究背景与研究意义

1.2 国内外研究现状

1.2.1国内外目标检测研究现状

1.2.2针对航拍图像的目标检测研究现状

1.3 论文的主要研究内容

1.4 论文的章节目录安排

第二章 深度学习与目标检测的基本理论

2.1.1神经元模型

2.1.2反向传播

2.1.3神经网络的架构组成

2.1.4卷积神经网络概述

2.2 常用目标检测算法介绍

2.2.1 Faster R-CNN算法

2.2.2 SSD算法

2.2.3 YOLO系列

2.2.4 模型对比

2.3 重要评价指标

2.4 本章小结

第三章 实验数据集及预处理

3.1 数据集

3.1.1 NWPU VHR-10数据集

3.1.2 DOTA数据集

3.1.3 RSOD数据集

3.2 图像数据预处理

3.2.1图像标注格式的转换

3.2.2图像去雾化

3.2.3图像的裁剪与缩放

第四章 基于YOLOv5的多尺度目标检测方法

4.1 YOLOv5网络模型

4.2 改进YOLOv5的航拍图像目标检测方法

4.2.1自动聚类分析改进锚点

4.2.2数据增强策略

4.3 实验过程及结果分析

4.3.1训练环境

4.3.2数据收集与分析

4.3.3实验结果与分析

4.4 本章小结

第五章 网络模型微调及结果分析

5.1 图像去雾化

5.2 损失函数调整与后处理算法调整

第六章 总结与展望

6.1全文总结

6.2后续工作展望

参考文献

攻读硕士学位期间的学术活动及成果情况