| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究工作的背景和意义 | 第11-12页 |
| 1.2 卷积神经网络国内外研究现状 | 第12-17页 |
| 1.2.1 卷积神经网络带来的企业热 | 第12-13页 |
| 1.2.2 卷积神经网络研究现状 | 第13-17页 |
| 1.3 本论文的主要工作内容 | 第17-19页 |
| 第2章 卷积神经网络理论 | 第19-31页 |
| 2.1 BP神经网络和反向传播算法 | 第19-22页 |
| 2.1.1 正向传播 | 第20页 |
| 2.1.2 反向传递过程 | 第20-22页 |
| 2.2 卷积神经网络结构 | 第22-25页 |
| 2.2.1 卷积层 | 第23页 |
| 2.2.2 下采样层 | 第23-24页 |
| 2.2.3 输出层 | 第24-25页 |
| 2.3 网络参数优化 | 第25-29页 |
| 2.3.1 激活函数选择 | 第25-27页 |
| 2.3.2 L2正则化 | 第27-28页 |
| 2.3.3 Dropout | 第28-29页 |
| 2.3.4 批正则化 | 第29页 |
| 2.4 卷积神经网络学习框架介绍 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于卷积神经网络的遥感图像分类研究 | 第31-43页 |
| 3.1 迁移理论 | 第31-32页 |
| 3.2 深度卷积神经网络 | 第32-34页 |
| 3.2.1 VGG-16 网络模型 | 第32页 |
| 3.2.2 GoogleNet网络模型 | 第32-33页 |
| 3.2.3 RseNet-152 网络模型 | 第33-34页 |
| 3.3 数据集介绍及数据扩增 | 第34-36页 |
| 3.3.1 UCMerced和SIRI-WHU数据集介绍 | 第34-35页 |
| 3.3.2 数据扩增 | 第35-36页 |
| 3.4 实验结果分析 | 第36-41页 |
| 3.4.1 Caffe框架环境搭建 | 第36-37页 |
| 3.4.2 UCMerced数据集分类结果与分析 | 第37-40页 |
| 3.4.3 SIRI-WHU数据集分类结果与分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于卷积神经网络的遥感图像飞行器目标检测 | 第43-53页 |
| 4.1 引言 | 第43-44页 |
| 4.2 目标检测模型结构 | 第44-46页 |
| 4.3 数据集制作与预处理 | 第46-47页 |
| 4.3.1 数据集搜集 | 第46-47页 |
| 4.3.2 预处理 | 第47页 |
| 4.3.3 数据集制作 | 第47页 |
| 4.4 仿真实验与结果分析 | 第47-52页 |
| 4.4.1 网络训练 | 第47-49页 |
| 4.4.2 仿真结果与分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第59页 |