基于深度学习的水下目标识别
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 水下目标识别的意义 | 第9-10页 |
| 1.2 水下目标识别研究现状 | 第10页 |
| 1.3 水下目标识别原理概述 | 第10-11页 |
| 1.3.1 预处理概述 | 第11页 |
| 1.3.2 特征提取概述 | 第11页 |
| 1.4 本文研究内容与组织结构 | 第11-13页 |
| 1.4.1 论文研究内容 | 第11-12页 |
| 1.4.2 论文组织结构 | 第12-13页 |
| 第2章 相关理论与技术 | 第13-29页 |
| 2.1 人工神经网络 | 第13-18页 |
| 2.1.1 人工神经网络基本概念 | 第13页 |
| 2.1.2 ANN相关理论 | 第13-18页 |
| 2.2 深度学习理论 | 第18-20页 |
| 2.2.1 深度学习概念 | 第18-19页 |
| 2.2.2 深度学习结构 | 第19-20页 |
| 2.3 卷积神经网络 | 第20-23页 |
| 2.3.1 卷积神经网络综述 | 第20-21页 |
| 2.3.2 卷积神经网络训练过程 | 第21-23页 |
| 2.4 Caffe深度学习框架 | 第23-28页 |
| 2.4.1 Caffe深度学习框架概述 | 第23-24页 |
| 2.4.2 Caffe框架搭建 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 深度卷积神经网络模型构建 | 第29-47页 |
| 3.1 常见的去噪方法 | 第29-32页 |
| 3.1.1 中值滤波法 | 第29页 |
| 3.1.2 均值滤波法 | 第29-30页 |
| 3.1.3 水下图像常见去噪方法的仿真 | 第30-32页 |
| 3.2 基于小波变换的水下图像去噪 | 第32-36页 |
| 3.2.1 小波去噪流程 | 第33-34页 |
| 3.2.2 小波阈值去噪 | 第34-35页 |
| 3.2.3 小波阈值去噪仿真 | 第35-36页 |
| 3.3 深度卷积神经网络模型 | 第36-40页 |
| 3.3.1 卷积层设计 | 第36-39页 |
| 3.3.2 全连接层设计 | 第39页 |
| 3.3.3 输出层设计 | 第39-40页 |
| 3.4 深度卷积神经网络的改进 | 第40-42页 |
| 3.5 网络参数设计 | 第42-45页 |
| 3.5.1 局部响应归一化 | 第43-44页 |
| 3.5.2 DropConnect设计 | 第44页 |
| 3.5.3 扩充训练数据集合 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 实验与分析 | 第47-57页 |
| 4.1 数据集合建立 | 第47页 |
| 4.2 评价体系 | 第47-48页 |
| 4.3 深度卷积神经网络实验及分析 | 第48-56页 |
| 4.3.1 参数设置 | 第48-51页 |
| 4.3.2 实验结果 | 第51-53页 |
| 4.3.3 参数优化 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
