| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与选题意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11页 |
| 1.1.2 选题意义 | 第11-12页 |
| 1.2 国内外研究现状与发展趋势 | 第12-15页 |
| 1.2.1 基于人工设计特征的目标检测 | 第12-13页 |
| 1.2.2 基于深度学习的目标检测 | 第13-15页 |
| 1.3 研究内容与论文组织 | 第15-18页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 技术路线 | 第16页 |
| 1.3.3 论文组织 | 第16-18页 |
| 第2章 基于深度学习的遥感影像目标检测 | 第18-35页 |
| 2.1 深度卷积神经网络简介 | 第18-24页 |
| 2.1.1 深度卷积神经网络基础 | 第18-20页 |
| 2.1.2 深度卷积神经网络的训练 | 第20-24页 |
| 2.2 基于深度学习的遥感影像目标检测 | 第24-31页 |
| 2.2.1 候选框搜索 | 第24-26页 |
| 2.2.2 特征提取 | 第26-27页 |
| 2.2.3 分类器分类 | 第27-28页 |
| 2.2.4 框回归 | 第28-29页 |
| 2.2.5 基于end-to-end的目标检测方法 | 第29-31页 |
| 2.3 VGG-16模型的Faster RCNN版本简介 | 第31-33页 |
| 2.3.1 VGG-16模型 | 第31-32页 |
| 2.3.2 Faster RCNN | 第32-33页 |
| 2.4 遥感影像目标检测性能评价指标 | 第33-34页 |
| 2.4.1 查全率与查准率 | 第33-34页 |
| 2.4.2 平均精度及平均精度均值 | 第34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于尺度上下文的遥感影像目标检测 | 第35-45页 |
| 3.1 尺度上下文概述 | 第35-36页 |
| 3.2 尺度上下文相关提取方法 | 第36-37页 |
| 3.3 基于尺度上下文的目标检测方法 | 第37-38页 |
| 3.4 基于尺度上下文的目标检测实验分析 | 第38-43页 |
| 3.4.1 不同层级特征的目标检测实验分析 | 第39-41页 |
| 3.4.2 不同尺度特征融合的目标检测实验分析 | 第41-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于空间上下文的遥感影像目标检测 | 第45-55页 |
| 4.1 空间上下文概述 | 第45-46页 |
| 4.2 空间上下文相关提取方法 | 第46页 |
| 4.3 基于空间上下文的目标检测方法 | 第46-49页 |
| 4.4 基于空间上下文的目标检测实验结果分析 | 第49-54页 |
| 4.4.1 空间上下文范围大小的影响 | 第49-51页 |
| 4.4.2 融入空间上下文的实验分析 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 基于上下文感知的遥感影像目标检测 | 第55-66页 |
| 5.1 基于上下文感知的遥感影像目标检测 | 第55-57页 |
| 5.1.1 总体框架 | 第55-56页 |
| 5.1.2 上下文融合方法 | 第56-57页 |
| 5.2 实验数据 | 第57-59页 |
| 5.3 实验环境 | 第59页 |
| 5.4 实验结果及分析 | 第59-65页 |
| 5.4.1 实验设置 | 第59-60页 |
| 5.4.2 实验结果 | 第60-61页 |
| 5.4.3 三种融合方式的检测结果对比 | 第61-63页 |
| 5.4.4 与其他方法的比较 | 第63-64页 |
| 5.4.5 存在的问题 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-69页 |
| 6.1 全文总结 | 第66-67页 |
| 6.2 论文创新点 | 第67页 |
| 6.3 研究展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72-73页 |
| 致谢 | 第73页 |