基于深度学习的水面无人艇船舶检测技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 船舶检测技术研究现状 | 第14-15页 |
| 1.2.2 目标检测技术研究现状 | 第15-17页 |
| 1.3 研究内容与论文结构 | 第17-19页 |
| 第2章 深度学习相关理论与工作基础 | 第19-33页 |
| 2.1 深度学习概述 | 第19-22页 |
| 2.2 卷积神经网络 | 第22-26页 |
| 2.2.1 卷积层 | 第22-23页 |
| 2.2.2 池化层 | 第23-24页 |
| 2.2.3 激活函数 | 第24-26页 |
| 2.3 经典的卷积神经网络 | 第26-28页 |
| 2.3.1 VGGNet | 第26-27页 |
| 2.3.2 ResNet | 第27-28页 |
| 2.4 数据增强 | 第28-30页 |
| 2.5 深度学习模型框架介绍 | 第30-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 基于深度学习的目标检测改进算法研究 | 第33-45页 |
| 3.1 深度学习目标检测算法 | 第33-36页 |
| 3.1.1 基于区域建议的目标检测算法 | 第33-35页 |
| 3.1.2 基于回归方式的目标检测算法 | 第35-36页 |
| 3.2 SSD算法研究 | 第36-39页 |
| 3.3 改进SSD算法 | 第39-44页 |
| 3.3.1 基础网络改进 | 第39-41页 |
| 3.3.2 改进SSD算法结构 | 第41-42页 |
| 3.3.3 算法网络训练 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于改进SSD算法的船舶检测与识别实验 | 第45-61页 |
| 4.1 数据集整理及预处理 | 第45-48页 |
| 4.2 网络模型训练 | 第48-52页 |
| 4.3 实验与结果分析 | 第52-59页 |
| 4.3.1 评价指标 | 第52-53页 |
| 4.3.2 系统配置介绍 | 第53-54页 |
| 4.3.3 测试结果与分析 | 第54-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第5章 无人艇视觉系统的设计与实现 | 第61-67页 |
| 5.1 无人艇平台搭建 | 第61-62页 |
| 5.2 视觉系统 | 第62-63页 |
| 5.3 程序设计与实现 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 总结与展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间发表的学术论文和取得研究成果 | 第73-75页 |
| 致谢 | 第75页 |
