深度學(xué)習(xí)已在計算機(jī)視覺領(lǐng)域發(fā)揮巨大作用,但深度學(xué)習(xí)視覺檢測算法對船只目標(biāo)的檢測精度不高,深度學(xué)習(xí)視覺測量算法依賴后處理,總體效果有待改進(jìn)。本文開展基于深度學(xué)習(xí)的船只目標(biāo)檢測與視覺測量算法相關(guān)應(yīng)用研究,圍繞提高船只目標(biāo)檢測精度與速度、增強(qiáng)視覺測量網(wǎng)絡(luò)性能展開,取得一系列研究成果。研究了卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)結(jié)構(gòu)與傳播過程,整合分析深度學(xué)習(xí)優(yōu)化方法原理、適用背景,為應(yīng)用研究提供了方法支撐。分析目標(biāo)檢測任務(wù)與評價指標(biāo),為目標(biāo)檢測方法評估與改進(jìn)奠定基礎(chǔ)。針對船只目標(biāo)檢測速度要求,比較現(xiàn)有的網(wǎng)絡(luò)框架,基于YOLO V2端到端的檢測網(wǎng)絡(luò)框架,設(shè)計船只目標(biāo)檢測框架,以滿足檢測實時性要求。深入研究了船只目標(biāo)檢測改進(jìn)方法。針對船只目標(biāo)缺少訓(xùn)練樣本、船只目標(biāo)檢測精度不高、檢測時目標(biāo)大小變化劇烈問題,提出一種基于YOLO V2網(wǎng)絡(luò)下改進(jìn)的船只目標(biāo)檢測算法S-YOLO。使用Python爬取網(wǎng)絡(luò)上船只圖片,通過數(shù)據(jù)增強(qiáng)擴(kuò)充數(shù)據(jù)集,利用遷移學(xué)習(xí),解決了可獲取船只樣本數(shù)量少、網(wǎng)絡(luò)難以訓(xùn)練等問題。使用改進(jìn)的聚類方法確定符合船只形狀的檢測框形狀大小,以獲得更準(zhǔn)確的精度。構(gòu)造了混合尺度檢測網(wǎng)絡(luò),使網(wǎng)絡(luò)有能力適應(yīng)船只檢測過程時目...

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1ILSVRC比賽數(shù)據(jù)

岢霾罘紙??粒子群混合算法（DEPSO），達(dá)到優(yōu)化SVM模型的目的，獲得較高的識別率。Kawahara等[26]采用SVM分類器，提出艦船ISAR目標(biāo)識別方法，該方法較穩(wěn)健，對方位角變化不敏感。Cross[27]介紹了美國國土安全局所使用的ISAR船只實時識別系統(tǒng)，該方法使用提取....

圖2.1卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

國防科技大學(xué)研究生院碩士學(xué)位論文第10頁第二章基于深度學(xué)習(xí)的目標(biāo)檢測算法研究2.1引言本文圍繞基于深度學(xué)習(xí)的船只目標(biāo)檢測與視覺測量技術(shù)展開，深度學(xué)習(xí)貫穿全文，而船只目標(biāo)檢測技術(shù)是第二章和第三章要解決的問題，因此本章首先對深度學(xué)習(xí)與目標(biāo)檢測技術(shù)進(jìn)行說明。深度學(xué)習(xí)作為本文的核心內(nèi)容，....

圖2.2Sigmoid激活函數(shù)

國防科技大學(xué)研究生院碩士學(xué)位論文第12頁（1）Sigmoid函數(shù)。由于其求導(dǎo)非常方便，得到廣泛運(yùn)用，函數(shù)及其導(dǎo)數(shù)表示如下：1()1exp()fzz=+（2.1）f(x)=f(x)(1-f(x))（2.2）函數(shù)曲線見下圖。圖2.2Sigmoid激活函數(shù)（2）Tanh函數(shù)（雙曲正切函....

圖2.3Relu激活函數(shù)

國防科技大學(xué)研究生院碩士學(xué)位論文第12頁（1）Sigmoid函數(shù)。由于其求導(dǎo)非常方便，得到廣泛運(yùn)用，函數(shù)及其導(dǎo)數(shù)表示如下：1()1exp()fzz=+（2.1）f(x)=f(x)(1-f(x))（2.2）函數(shù)曲線見下圖。圖2.2Sigmoid激活函數(shù)（2）Tanh函數(shù)（雙曲正切函....

本文編號：4025111