融合GAN的Faster R--CNN水下遮挡目标检测方法研究与实现

目录

声明

摘要

第一章绪论

1．1研究背景及意义

1．2水下目标检测研究现状

1．2．1传统检测方法研究现状

1．2．2深度学习检测算法研究现状

1．2．3水下目标检测方法现存问题

1．3本文研究内容

1．4本文章节安排

第二章相关理论及技术基础

2．1深度学习

2．1．1卷积神经网络基础结构单元

2．1．2卷积层

2．1．3下采样层

2．1．4全连接层

2．2经典的卷积神经网络

2．2．1LeNet-5网络

2．2．2AlexNet网络

2．2．3VGG网络

2．2．4Inception网络

2．2．5Resnet网络

2．3生成对抗网络的基本理论

2．3．1GAN算法

2．3．2CycleGan算法

2．4目标检测算法

2．4．1基于区域提案的目标检测算法

2．4．2基于回归的目标检测算法

2．5本章小结

第三章数据集构建与图像预处理

3．1数据集来源

3．2水下图像特性

3．3图像增强方法

3．4遮挡处理

3．5本章小结

第四章融合GAN的Faster R-CNN水下遮挡目标检测方法

4．1Faster R-CNN模型

4．2融合GAN的Faster R-CNN水下遮挡目标检测模型

4．2．1GAN的引入

4．2．2改进的Faster R-CNN

4．2．3交互自主回馈损失函数

4．3实验设置

4．3．1目标检测评价指标

4．3．2实验环境与模型训练

4．4实验过程与结果分析

4．4．1遮挡对比

4．4．2消融实验

4．4．3与主流方法对比

4．4．4漏检对比结果

4．5本章小结

第五章系统设计与实现

5．1系统需求分析

5．1．1系统功能概述

5．1．2功能需求分析

5．1．3非功能需求分析

5．2系统设计

5．2．1系统架构

5．2．2系统流程图

5．3系统实现

5．3．1开发环境

5．3．2系统界面实现

5．4系统测试

5．4．1软硬件测试

5．4．2测试内容

5．5本章小结

第六章总结与展望

6．1总结

6．2展望

参考文献

致谢

个人简介