| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.1.1 舰船目标检测的研究背景和意义 | 第13-14页 |
| 1.1.2 深度学习的研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 舰船目标检测的国内外研究现状 | 第15-16页 |
| 1.2.2 深度学习的国内外研究现状 | 第16-19页 |
| 1.3 本文的主要研究内容 | 第19-20页 |
| 1.4 本文的章节安排 | 第20-22页 |
| 第二章 深度学习理论 | 第22-32页 |
| 2.1 深度学习算法的常用模型 | 第22-27页 |
| 2.1.1 自动编码器模型 | 第22-24页 |
| 2.1.2 受限玻尔兹曼机模型 | 第24-25页 |
| 2.1.3 卷积神经网络模型 | 第25-27页 |
| 2.2 深度学习的框架 | 第27-29页 |
| 2.3 深度学习在目标检测中的应用 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于Faster R-CNN的舰船目标检测 | 第32-55页 |
| 3.1 基于Faster R-CNN的目标检测系统 | 第32-39页 |
| 3.1.1 Faster R-CNN的原理 | 第32-33页 |
| 3.1.2 Faster R-CNN的实现细节 | 第33-38页 |
| 3.1.3 Faster R-CNN的应用 | 第38-39页 |
| 3.2 数据集 | 第39-43页 |
| 3.2.1 人工建立数据集 | 第39-42页 |
| 3.2.2 数据集扩增 | 第42-43页 |
| 3.2.3 数据集划分 | 第43页 |
| 3.3 实验 | 第43-54页 |
| 3.3.1 实验环境 | 第43-44页 |
| 3.3.2 实验设置 | 第44页 |
| 3.3.3 评价指标 | 第44-45页 |
| 3.3.4 实验结果及分析 | 第45-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 基于R-FCN的舰船目标检测 | 第55-64页 |
| 4.1 基于R-FCN的目标检测系统 | 第55-59页 |
| 4.1.1 R-FCN的体系结构 | 第56-57页 |
| 4.1.2 R-FCN的结构分析 | 第57-59页 |
| 4.2 实验 | 第59-63页 |
| 4.2.1 实验设置 | 第59页 |
| 4.2.2 实验结果及分析 | 第59-63页 |
| 4.3 本章小节 | 第63-64页 |
| 第五章 基于SSD的舰船目标检测 | 第64-78页 |
| 5.1 基于SSD的目标检测系统 | 第64-69页 |
| 5.1.1 SSD的模型 | 第65-66页 |
| 5.1.2 SSD的训练 | 第66-69页 |
| 5.1.3 SSD的应用 | 第69页 |
| 5.2 实验 | 第69-77页 |
| 5.2.1 实验结果及分析 | 第69-74页 |
| 5.2.2 三种方法的性能分析与评估 | 第74-77页 |
| 5.3 本章小节 | 第77-78页 |
| 第六章 总结与展望 | 第78-81页 |
| 6.1 总结 | 第78-79页 |
| 6.2 展望 | 第79-81页 |
| 参考文献 | 第81-92页 |
| 研究生期间的科研活动和研究成果 | 第92-93页 |
| 致谢 | 第93-94页 |