基于神经网络的水面目标识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 目标识别算法研究现状 | 第9-11页 |
| 1.2.2 神经网络研究现状 | 第11-13页 |
| 1.3 论文主要工作和组织架构 | 第13-15页 |
| 1.3.1 论文主要工作 | 第13页 |
| 1.3.2 论文组织架构 | 第13-15页 |
| 第二章 目标识别相关技术 | 第15-32页 |
| 2.1 概述 | 第15页 |
| 2.2 图像特征提取常用方法 | 第15-19页 |
| 2.2.1 基于图像形状的特征提取 | 第15-18页 |
| 2.2.2 基于图像纹理的特征提取 | 第18-19页 |
| 2.3 卷积神经网络 | 第19-29页 |
| 2.3.1 概述 | 第19-20页 |
| 2.3.2 卷积神经网络的训练 | 第20-22页 |
| 2.3.3 卷积和池化 | 第22-23页 |
| 2.3.4 卷积神经网络中的参数优化方法 | 第23-24页 |
| 2.3.5 防止过拟合方法 | 第24-29页 |
| 2.4 Tensorflow框架介绍 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 基于BP神经网络的目标识别算法 | 第32-45页 |
| 3.1 BP神经网络算法基本原理 | 第32-35页 |
| 3.1.1 BP神经网络学习流程 | 第32-34页 |
| 3.1.2 BP神经网络算法常见问题 | 第34-35页 |
| 3.2 水面目标特征集的建立 | 第35-42页 |
| 3.2.1 水面目标的几何特征提取 | 第35-36页 |
| 3.2.2 水面目标的不变矩特征提取 | 第36-38页 |
| 3.2.3 特征提取实验与特征集 | 第38-42页 |
| 3.3 水面目标识别实验设计与结果分析 | 第42-44页 |
| 3.3.1 实验系统模型搭建 | 第42-43页 |
| 3.3.2 目标识别仿真实验与结果分析 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于卷积神经网络的水面目标识别研究 | 第45-54页 |
| 4.1 实验算法概述 | 第45-51页 |
| 4.1.1 算法概述 | 第45-47页 |
| 4.1.2 图像数据采集和预处理 | 第47-49页 |
| 4.1.3 图像分类网络 | 第49-50页 |
| 4.1.4 算法改进与优化 | 第50-51页 |
| 4.2 分类识别代码结构解析 | 第51-52页 |
| 4.3 实验结果与分析 | 第52-53页 |
| 4.3.1 分类识别实验结果 | 第52-53页 |
| 4.3.2 实验结果分析 | 第53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 本文主要工作和创新点 | 第54页 |
| 5.2 未来工作展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |
