新時(shí)代條件下“建設(shè)海洋強(qiáng)國(guó)”、“一帶一路之21世紀(jì)海上絲綢之路”等國(guó)家戰(zhàn)略的實(shí)施,全球化發(fā)展已成為必然選擇。與此同時(shí),圍繞海洋資源、通道安全等爭(zhēng)端進(jìn)一步加劇,海洋權(quán)益面臨錯(cuò)綜復(fù)雜的國(guó)際形勢(shì)。艦船作為各種海洋活動(dòng)的主體,如何實(shí)時(shí)、準(zhǔn)確地識(shí)別海洋環(huán)境中的艦船目標(biāo),是實(shí)現(xiàn)建設(shè)海洋強(qiáng)國(guó)國(guó)家戰(zhàn)略的關(guān)鍵環(huán)節(jié)。然而,由于海洋環(huán)境的特殊性,傳統(tǒng)基于深度學(xué)習(xí)的目標(biāo)識(shí)別方法難以滿足計(jì)算資源、通訊帶寬、能源供應(yīng)等受限條件下的應(yīng)用要求。因此,本文針對(duì)自動(dòng)艦船目標(biāo)識(shí)別問(wèn)題,面向海洋環(huán)境條件下資源受限平臺(tái)的應(yīng)用,開(kāi)展了基于深度學(xué)習(xí)的輕量化艦船識(shí)別相關(guān)關(guān)鍵技術(shù)研究,主要完成工作如下:（1）針對(duì)傳統(tǒng)基于深度學(xué)習(xí)的艦船目標(biāo)識(shí)別方法中存在的模型參數(shù)過(guò)大、參數(shù)利用率低問(wèn)題,綜合利用優(yōu)化卷積操作、模型參數(shù)壓縮和增強(qiáng)特征表達(dá)等技術(shù),提出了一種面向資源受限平臺(tái)應(yīng)用的輕量化特征提取結(jié)構(gòu)DResNet,在模型參數(shù)量和計(jì)算量大幅削減的情況下,實(shí)現(xiàn)了目標(biāo)特征的高質(zhì)量提取。在ImageNet-67數(shù)據(jù)集上,從識(shí)別速度、準(zhǔn)確率、模型參數(shù)量、浮點(diǎn)計(jì)算量、顯存占用等方面,分別與已有MobileNet、ShuffleNet、MobileNetv2... 

【文章來(lái)源】：杭州電子科技大學(xué)浙江省

【文章頁(yè)數(shù)】：108 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１目標(biāo)類別檢測(cè)任務(wù)示意圖??

傳統(tǒng)目標(biāo)識(shí)別方法是基于圖像處理、模式識(shí)別等相關(guān)技術(shù)構(gòu)建的整個(gè)目標(biāo)識(shí)??別算法。一個(gè)完整的目標(biāo)識(shí)別算法流程通常包括：圖像的預(yù)處理、目標(biāo)圖像的區(qū)??域分割、目標(biāo)的特征提取以及目標(biāo)識(shí)別４個(gè)部分組成。其詳細(xì)流程如圖１．２所示。??Ｃ￣ｍｍｍ?區(qū)咸ｉｉＴ；?ｒ?ｍｍ?、丨ｍｍ＼?、丨??ｉ?ｉ?ｉ?ｊ?ｉ?ｊ?ｉ?；目標(biāo)??５２?圖像諫波?ｂ邊緣檢測(cè)分割ｂ不變矩特征ｄ?真實(shí)目標(biāo)?ｂ識(shí)別??圖像ｗ?圖像增強(qiáng)?＾自動(dòng)隨分割＾?幾何特征?干擾目標(biāo)卜結(jié)果??……?丨丨區(qū)域生長(zhǎng)分割丨！統(tǒng)計(jì)特征丨丨?Ｉ??１??Ｖ?＇?＼??Ｉ?＼?？？？：?＞?＼?＇????圖１．２傳統(tǒng)艦船目標(biāo)識(shí)別流程??在目標(biāo)識(shí)別任務(wù)中，圖像中特征提取的質(zhì)量是目標(biāo)檢測(cè)的準(zhǔn)確性提升的關(guān)鍵。??傳統(tǒng)的目標(biāo)識(shí)別方法注重如何提取圖像中目標(biāo)的更為精確和魯棒的特征，并通過(guò)??模式識(shí)別等方法進(jìn)行特征分類，以此來(lái)實(shí)現(xiàn)目標(biāo)識(shí)別性能的提升。下面將對(duì)經(jīng)典??的目標(biāo)識(shí)別算法進(jìn)行概要梳理。??Ｖｉｏｌａ?Ｐ［４］等提出基于ＡｄａＢｏｏｓｔ算法框架，使用Ｈａａｒ＿Ｉｉｋｅ小波特征分類，然后采??用滑動(dòng)窗口搜索策略實(shí)現(xiàn)準(zhǔn)確有效地定位，以實(shí)現(xiàn)目標(biāo)檢測(cè)中類別和位置的預(yù)測(cè)。??該算法是首個(gè)實(shí)現(xiàn)實(shí)時(shí)精確的物體類別檢測(cè)算法，主要應(yīng)用于人臉檢測(cè)。??Ｄａｌａｉ?Ｎ［５］等提出使用圖像局部梯度直方圖（Ｈｉｓｔｏｇｒａｍ?ｏｆ?Ｏｒｉｅｎｔｅｄ?Ｇｒａｄｉｅｎｔ，??ＨＯＧ）作為圖像特征實(shí)現(xiàn)行人目標(biāo)檢測(cè)。通過(guò)統(tǒng)計(jì)學(xué)方法提取圖像中的局部灰度??直方圖

１．２．１．２深度學(xué)習(xí)目標(biāo)檢測(cè)方法研究現(xiàn)狀??深度學(xué)習(xí)作為人工智能領(lǐng)域的重要的分支，在歷史的發(fā)展過(guò)程中經(jīng)歷了多次??的繁榮與低谷，如圖１．３所示。從第一次機(jī)器學(xué)習(xí)的提出，到目前基于大規(guī)模數(shù)據(jù)??的深度學(xué)習(xí)的爆發(fā)式發(fā)展，每次的繁榮發(fā)展都離不開(kāi)新一代硬件基礎(chǔ)設(shè)施的發(fā)展，??尤其是計(jì)算機(jī)計(jì)算和存儲(chǔ)方面的階躍式發(fā)展。未來(lái)隨著大數(shù)據(jù)及量子計(jì)算等技術(shù)??的發(fā)展，人工智能相關(guān)技術(shù)將在我們的生活中發(fā)揮越來(lái)越重要的作用。在此，考??慮到艦船目標(biāo)的應(yīng)用背景，本文將僅對(duì)人工智能在目標(biāo)檢測(cè)領(lǐng)域的研究現(xiàn)狀進(jìn)行??簡(jiǎn)要梳理與概括。??［機(jī)器學(xué)習(xí)Ｉ是出丨?經(jīng)丨?｜?Ｄｅｅｐ?Ｂｌｕｅ象棋奪冠Ｉ?ｊ微軟小娜發(fā)布ｊ?????＾?１???＾?１?＾???ＩＩ?ＩＩ??［Ａ工ｉ晶提出丨１?丨［ｉＬ器翻譯失�。�?｜?「ＬＩＳＰ＾Ｌ－市場(chǎng)崩塌｜?；丨深度學(xué)習(xí)提出］＾ＡｌｐｈＧｏ圍棋４冠｜??＾?｜?ｆ?｜?盡?Ｉ?＇?＾?Ｉ?＾??—？￣６?６－９?６?？￣６?？?６?？￣６￣？?６—？?６?６￣￣？￣￣？??１９５０ｓ?１９６０ｓ?１９７０ｓ?１９８０ｓ?１９９０ｓ?２０００ｓ?２０ＪＬ０ｓ?２０．２０ｓ??Ｉ?ｉ?Ｉ??第一次繁榮期第一次低谷期第二次繁榮期丨第二次低谷期?復(fù)蘇期ｉ增長(zhǎng)爆發(fā)期丨??（１９５６－１９７６）?（１９７６－１９８２）?（１９８２－１９８７）?｜?（１９８７－１９９７）?（１９９７－２０１０）?ｊ?（２０１０－）??圖１．３深度學(xué)習(xí)發(fā)展歷程??ＤＰＭ方法提出之后，目標(biāo)檢測(cè)進(jìn)入了一個(gè)瓶頸期。復(fù)雜的特征提取和集成學(xué)??習(xí)等方式也只能得到極其有限的提升

【參考文獻(xiàn)】：
期刊論文
[1]海洋通信的發(fā)展現(xiàn)狀與時(shí)代挑戰(zhàn)[J]. 夏明華,朱又敏,陳二虎,邢成文,楊婷婷,溫文坤.  中國(guó)科學(xué):信息科學(xué). 2017(06)
[2]圖像目標(biāo)類別檢測(cè)綜述[J]. 蔡強(qiáng),劉亞奇,曹健,毛典輝,牛群.  計(jì)算機(jī)科學(xué)與探索. 2015(03)
[3]SAR圖像艦船目標(biāo)識(shí)別綜述[J]. 陳文婷,邢相薇,計(jì)科峰.  現(xiàn)代雷達(dá). 2012(11)



本文編號(hào)：3399436