| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题背景及研究意义 | 第12-13页 |
| 1.2 课题研究现状 | 第13-15页 |
| 1.2.1 遥感场景分类研究现状 | 第13-14页 |
| 1.2.2 舰船检测研究现状 | 第14-15页 |
| 1.3 遥感图像场景分类与目标检测 | 第15-16页 |
| 1.4 课题来源和研究目的 | 第16-17页 |
| 1.5 论文的研究内容与结构 | 第17-18页 |
| 第二章 卷积神经网络 | 第18-26页 |
| 2.1 卷积神经网络 | 第18-22页 |
| 2.1.1 卷积神经网络模型 | 第18-21页 |
| 2.1.2 卷积神经网络训练过程 | 第21-22页 |
| 2.2 ImageNet数据集 | 第22-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于卷积神经网络的遥感场景分类 | 第26-42页 |
| 3.1 算法介绍 | 第26-33页 |
| 3.1.1 网络模型 | 第26-28页 |
| 3.1.2 微调 | 第28-29页 |
| 3.1.3 Batch随机梯度下降SGD | 第29页 |
| 3.1.4 Dropout | 第29-30页 |
| 3.1.5 Softmax分类器 | 第30页 |
| 3.1.6 扩增数据集 | 第30-31页 |
| 3.1.7 卷积神经网络工具Caffe | 第31-33页 |
| 3.2 实验数据集 | 第33-35页 |
| 3.2.1 UC-Merced数据集 | 第33-35页 |
| 3.2.2 RSDataset——19类遥感数据集 | 第35页 |
| 3.3 实验结果与实验分析 | 第35-41页 |
| 3.3.1 UC-Merced数据集实验部分 | 第35-40页 |
| 3.3.2 RSDataset——19类数据集实验部分 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于卷积神经网络的舰船检测 | 第42-58页 |
| 4.1 算法原理介绍 | 第42-48页 |
| 4.1.1 Faster R-CNN | 第42-43页 |
| 4.1.2 anchor——锚点 | 第43-44页 |
| 4.1.3 区域候选网络——RPN | 第44-47页 |
| 4.1.4 训练Faster R-CNN | 第47页 |
| 4.1.5 共享卷积训练模式 | 第47-48页 |
| 4.2 实验结果与实验分析 | 第48-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 结论 | 第58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 研究成果及发表的学术论文 | 第66-68页 |
| 作者和导师简介 | 第68-70页 |
| 附件 | 第70-71页 |