| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题的研究背景及意义 | 第10页 |
| 1.2 国内外研究发展现状 | 第10-13页 |
| 1.2.1 海上目标检测系统的研究现状 | 第10-11页 |
| 1.2.2 电子稳像的研究现状 | 第11-12页 |
| 1.2.3 基于深度学习目标检测的研究现状 | 第12-13页 |
| 1.3 论文主要内容与结构安排 | 第13-14页 |
| 第2章 海上目标检测系统的方案设计 | 第14-36页 |
| 2.1 海上目标检测系统的整体方案设计 | 第14-15页 |
| 2.2 电子稳像算法的基本方法 | 第15-21页 |
| 2.2.1 目标检测系统电子稳像 | 第15-16页 |
| 2.2.2 运动估计方法 | 第16-19页 |
| 2.2.3 运动滤波方法 | 第19-20页 |
| 2.2.4 电子稳像质量评价标准 | 第20-21页 |
| 2.3 卷积神经网络 | 第21-33页 |
| 2.3.1 人工神经网络的基本结构 | 第21-24页 |
| 2.3.2 卷积神经网络结构 | 第24-27页 |
| 2.3.3 卷积神经网络的局部连接与权值共享 | 第27-28页 |
| 2.3.4 卷积神经网络的训练 | 第28-30页 |
| 2.3.5 经典的神经网络结构 | 第30-33页 |
| 2.4 本章小结 | 第33-36页 |
| 第3章 基于特征点检测的电子稳像算法 | 第36-48页 |
| 3.1 基于SITF的特征点检测的电子稳像算法 | 第36-43页 |
| 3.1.1 基于SITF的特征点匹配算法 | 第36-40页 |
| 3.1.2 基于Ransac算法的全局运动估计算法 | 第40-42页 |
| 3.1.3 基于双线性插值的运动补偿 | 第42-43页 |
| 3.2 电子稳像算法实验 | 第43-47页 |
| 3.2.1 基于SIFT特征点的特征匹配仿真实验 | 第43-44页 |
| 3.2.2 基于Ransac算法的全局运动估计算法实验 | 第44-45页 |
| 3.2.3 电子稳像算法实验及评价 | 第45-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第4章 基于深度学习的目标检测算法 | 第48-68页 |
| 4.1 PascalVOC2007数据集 | 第48-50页 |
| 4.2 基于卷积神经网络的目标检测算法 | 第50-60页 |
| 4.2.1 Fasterrcnn网络原理及结构 | 第51-52页 |
| 4.2.2 RPN网络的基本原理 | 第52-55页 |
| 4.2.3 Fasterrcnn联合训练 | 第55-58页 |
| 4.2.4 Fasterrcnn算法在voc2007实验测试 | 第58-60页 |
| 4.3 基于改进的Fasterrcnn的目标检测算法 | 第60-67页 |
| 4.3.1 Batchnormalization的网络结构 | 第60-63页 |
| 4.3.2 Online-Hard-Example-Mining算法 | 第63-64页 |
| 4.3.3 改进的Fasterrcnn算法在voc2007实验测试 | 第64-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第5章 基于卷积神经网络的海上目标检测实验 | 第68-76页 |
| 5.1 海上目标数据库的制作 | 第68-70页 |
| 5.2 基于Fasterrcnn的海上目标检测实验 | 第70-73页 |
| 5.3 基于改进Fasterrcnn的海上目标检测实验 | 第73-75页 |
| 5.4 本章小结 | 第75-76页 |
| 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第82-84页 |
| 致谢 | 第84页 |
