| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 深度学习图像处理模型的研究现状 | 第12-13页 |
| 1.2.2 遥感图像目标识别技术的研究现状 | 第13-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第二章 相关概念与技术 | 第17-28页 |
| 2.1 深度卷积神经网络 | 第17-20页 |
| 2.2 深度残差网络 | 第20-22页 |
| 2.3 特征金字塔 | 第22-23页 |
| 2.4 深度学习图像语义分割 | 第23-26页 |
| 2.4.1 全卷积神经网络图像语义分割模型 | 第23-25页 |
| 2.4.2 SegNet图像语义分割模型 | 第25-26页 |
| 2.5 Mask R-CNN图像分割模型介绍 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 基于深度学习的遥感图像实例分割算法研究 | 第28-40页 |
| 3.1 算法概述与难点分析 | 第28-30页 |
| 3.2 Mask R-CNN遥感图像实例分割网络构建 | 第30-34页 |
| 3.2.1 遥感图像实例分割特征提取主干网络的设计 | 第30-31页 |
| 3.2.2 区域生成网络 | 第31-33页 |
| 3.2.3 分割分支网络设计 | 第33-34页 |
| 3.3 实验结果及分析 | 第34-39页 |
| 3.3.1 数据集介绍与制作 | 第34-36页 |
| 3.3.2 网络训练策略 | 第36-37页 |
| 3.3.3 评价指标与结果分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 遥感图像处理系统的设计与实现 | 第40-54页 |
| 4.1 需求分析 | 第40-41页 |
| 4.1.1 业务性需求分析 | 第40页 |
| 4.1.2 功能性需求 | 第40-41页 |
| 4.1.3 性能需求 | 第41页 |
| 4.2 系统总体设计 | 第41-47页 |
| 4.2.1 系统体系结构设计 | 第41-43页 |
| 4.2.2 系统功能结构设计 | 第43-45页 |
| 4.2.3 数据库设计 | 第45-47页 |
| 4.3 详细设计与实现 | 第47-52页 |
| 4.3.1 用户管理模块的实现 | 第48-49页 |
| 4.3.2 数据集管理模块和模型管理模块的实现 | 第49-51页 |
| 4.3.3 任务管理模块的实现 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 系统测试及结果展示 | 第54-61页 |
| 5.1 测试环境和测试方法 | 第54页 |
| 5.2 系统综合测试 | 第54-57页 |
| 5.2.1 数据集管理功能模块测试 | 第55页 |
| 5.2.2 模型管理功能模块测试 | 第55-56页 |
| 5.2.3 任务管理模块测试 | 第56-57页 |
| 5.2.4 用户管理模块测试 | 第57页 |
| 5.3 系统展示 | 第57-60页 |
| 5.3.1 数据集管理功能展示 | 第57-58页 |
| 5.3.2 模型管理功能展示 | 第58-59页 |
| 5.3.3 任务管理功能展示 | 第59-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文总结 | 第61-62页 |
| 6.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |