我國是一個有著漫長海岸線的海洋大國。近年來,南海某些域內(nèi)外國家在我國鄰近海域不斷制造事端,嚴(yán)重侵犯了我國主權(quán),破壞了地區(qū)來之不易的和平和穩(wěn)定局面。與此同時,漫長的海岸線給打擊海上違法行為,展開海上安全搜救工作等提出了不小的挑戰(zhàn)。因此發(fā)展海上艦船檢測技術(shù)對維護(hù)國家領(lǐng)土完整,打擊海上犯罪活動,保障人民群眾生命財(cái)產(chǎn)安全具有重要的意義�；诰矸e神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測法相對于傳統(tǒng)的目標(biāo)檢測法而言具有特征提取簡單,通用性強(qiáng),檢測精度高等特點(diǎn)。本文結(jié)合該技術(shù)研究了基于卷積神經(jīng)網(wǎng)絡(luò)的艦船檢測方法,主要展開了以下研究工作:(1)由于神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)集的依賴性很高,針對目前常用開源數(shù)據(jù)集艦船目標(biāo)較少的問題,本文采集并標(biāo)注了13267張共6個類別的艦船數(shù)據(jù)集,這些數(shù)據(jù)集為本文的后續(xù)研究提供了重要支撐�；谶@些數(shù)據(jù)集,本文采用YOLOv3網(wǎng)絡(luò)進(jìn)行了訓(xùn)練,訓(xùn)練過程中探究了諸如數(shù)據(jù)增強(qiáng)、批正則化操作以及k-means聚類預(yù)設(shè)錨框等策略對模型檢測效果的影響,實(shí)驗(yàn)結(jié)果表明這幾種策略都在不同程度上提升了網(wǎng)絡(luò)的檢測精度。針對目標(biāo)檢測算法中小目標(biāo)艦船檢測比較困難的問題,在YOLOv3網(wǎng)絡(luò)的基礎(chǔ)上將殘差模塊替換成密集模塊,采用了Y...

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀分析
        1.2.1 海上艦船檢測技術(shù)的研究現(xiàn)狀
        1.2.2 卷積神經(jīng)網(wǎng)絡(luò)及目標(biāo)檢測算法的研究現(xiàn)狀
        1.2.3 卷積神經(jīng)網(wǎng)絡(luò)硬件加速的研究現(xiàn)狀
        1.2.4 去霧算法的研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
第2章 基本理論
    2.1 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        2.1.1 卷積層
        2.1.2 池化層
        2.1.3 激活層
        2.1.4 批正則化層
    2.2 YOLOv3的網(wǎng)絡(luò)結(jié)構(gòu)和損失函數(shù)
        2.2.1 YOLOv3的網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 YOLOv3的損失函數(shù)
    2.3 GPU模型
        2.3.1 GPU編程模型
        2.3.2 GPU內(nèi)存模型
    2.4 本章小結(jié)
第3章 基于YOLOv3的艦船檢測
    3.1 數(shù)據(jù)采集及標(biāo)定
    3.2 YOLOv3網(wǎng)絡(luò)的訓(xùn)練
        3.2.1 數(shù)據(jù)增強(qiáng)
        3.2.2 批正則化操作
        3.2.3 k-means算法聚類錨框
    3.3 改進(jìn)YOLOv3網(wǎng)絡(luò)
    3.4 本章小結(jié)
第4章 卷積神經(jīng)網(wǎng)絡(luò)的硬件加速研究
    4.1 卷積神經(jīng)網(wǎng)絡(luò)的GPU加速
        4.1.1 GEMM算法
        4.1.2 卷積層和批正則化層融合
        4.1.3 實(shí)驗(yàn)結(jié)果
    4.2 卷積神經(jīng)網(wǎng)絡(luò)的FPGA加速
        4.2.1 Zed Board和 SDSoC
        4.2.2 YOLOv3-tiny網(wǎng)絡(luò)
        4.2.3 卷積操作的FPGA加速模塊設(shè)計(jì)
        4.2.4 整體系統(tǒng)及實(shí)驗(yàn)結(jié)果
    4.3 本章小結(jié)
第5章 暗通道先驗(yàn)去霧算法及其GPU加速
    5.1 暗通道先驗(yàn)去霧算法
        5.1.1 大氣光散射模型
        5.1.2 暗通道先驗(yàn)去霧算法原理
    5.2 改進(jìn)暗通道先驗(yàn)去霧算法
    5.3 暗通道去霧算法的GPU加速
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝



本文編號：3926037