發(fā)布時間：2021-04-09 21:40

　　海洋在二十一世紀受到了越來越多的關(guān)注,無論是海洋資源的開發(fā),保護作業(yè)安全,還是海洋領(lǐng)土意識的覺醒,保護海洋領(lǐng)土不受侵犯,都需要快速獲取海上目標(biāo)的信息,因此如何利用現(xiàn)代技術(shù)實現(xiàn)海上目標(biāo)的快速識別和定位成為了一個非常迫切的需求。隨著現(xiàn)代成像技術(shù)的發(fā)展,圖像的分辨率和質(zhì)量越來越好,同時隨著深度學(xué)習(xí)的迅猛發(fā)展,在視覺領(lǐng)域展現(xiàn)了其對傳統(tǒng)方法的巨大優(yōu)勢,因而采用基于深度學(xué)習(xí)的方法解決海上艦船檢測問題成為一種很有潛力的方法。在目標(biāo)檢測領(lǐng)域經(jīng)常會遇到檢測目標(biāo)的尺度大小不一、檢測目標(biāo)過小的問題,這會帶來檢測上的難度。同時在面對特定的檢測場景時,訓(xùn)練神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)量常常不足,這會導(dǎo)致最終的檢測效果不佳,急需解決這種小樣本訓(xùn)練問題。同時在將模型部署到移動端時要對模型的規(guī)模和移動硬件實際的計算資源進行權(quán)衡。因此,針對以上問題,本文從以下方面進行研究:首先,研究深度學(xué)習(xí),特別是在圖像處理領(lǐng)域表現(xiàn)優(yōu)秀的卷積神經(jīng)網(wǎng)絡(luò)的原理,分析其自動提取特征的機制,研究基于深度學(xué)習(xí)的目標(biāo)檢測算法,分析各算法的特點和優(yōu)劣之處,將相應(yīng)的算法引入艦船檢測領(lǐng)域,根據(jù)艦船檢測中面臨的問題:要有良好的實時性、在小目標(biāo)檢測上表現(xiàn)良好、對目標(biāo)分布... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

sigmoid函數(shù)曲線

圖 2-5 RELU 函數(shù)看出這實際上是一個分段函數(shù)在 x>0 時，梯度為 1，當(dāng) x<0 時U 函數(shù)有以下優(yōu)點：x>0 時，解決了梯度消失效應(yīng)簡單：與 sigmoid 函數(shù)比起來，RELU 函數(shù)計算簡單不需要做一得輸出快：對隨機梯度下降算法的收斂有很好的加速作用，因為，對于入其激活值隨著數(shù)值的增大而變大，因而收斂速度更快。 RELU 函數(shù)也有相應(yīng)的缺點，在 x<0 時，梯度都為 0，也就是說產(chǎn)生影響，這種現(xiàn)象叫做死區(qū)；而且當(dāng)神經(jīng)元有一個非常大的梯元就會強行被設(shè)置為 0，在以后的訓(xùn)練過程中不會再被激活，如大的話，會導(dǎo)致大量的神經(jīng)元壞死。為了解決 RELU 函數(shù)死區(qū)種改進的版本，如 Leaky ReLU 函數(shù)，其函數(shù)形式為： 00x xf x x x

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文含任何目標(biāo)，則將原圖輸出，即原圖中不包含船只目標(biāo)。在制作數(shù)據(jù)集時，基于收集圖像數(shù)據(jù)困難的場景，一共收軍艦、漁船、游輪和貨船 4 類，每一類 500 張，然后對圖像圖像上框出目標(biāo)的位置并為其分類，標(biāo)注時使用了標(biāo)注工使用方法為：首先打開數(shù)據(jù)集，設(shè)置標(biāo)注輸出目錄，然后將類別，點擊 Create,在圖像中框出目標(biāo)，選擇目標(biāo)類別，當(dāng)圖出所有的目標(biāo)后點擊保存，如下圖是在標(biāo)注時的場景：

【參考文獻】：
期刊論文
[1]多尺度空間金字塔池化PCANet的行人檢測[J]. 夏胡云,葉學(xué)義,羅宵晗,王鵬.  計算機工程. 2019(02)
[2]基于深度學(xué)習(xí)的小目標(biāo)檢測研究綜述[J]. 劉曉楠,王正平,賀云濤,劉倩.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2019(01)
[3]基于局部SVD的深度圖像增強算法[J]. 馮策,薄中.  中國電子科學(xué)研究院學(xué)報. 2018(04)
[4]改進的P-M去噪模型[J]. 張雪.  電腦知識與技術(shù). 2018(08)
[5]基于模糊C均值聚類的高分辨率合成孔徑雷達圖像艦船目標(biāo)檢測[J]. 張臨杰,張晰,郎海濤.  中國海洋大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[6]基于多向梯度法的紅外弱小目標(biāo)快速檢測方法[J]. 王軍,姜志,柳紅巖,何昕,張新.  光電子·激光. 2016(09)
[7]一種基于視覺顯著圖的艦船紅外圖像目標(biāo)檢測方法[J]. 馬新星,沈同圣,徐健.  紅外. 2013(10)
[8]一種基于自適應(yīng)Canny算子的艦船紅外圖像邊緣檢測方法[J]. 馬新星,徐健,張健.  紅外. 2013(07)

碩士論文
[1]SAR圖像中艦船檢測與識別算法的研究及其硬件實現(xiàn)[D]. 鄭強斌.西安理工大學(xué) 2018
[2]復(fù)雜背景下的恒虛警檢測方法研究[D]. 張欣.西安電子科技大學(xué) 2017
[3]紅外艦船檢測與目標(biāo)識別方法研究[D]. 陳振.哈爾濱工程大學(xué) 2016
[4]SAR圖像相干斑抑制及艦船檢測方法研究[D]. 謝昌志.中國科學(xué)技術(shù)大學(xué) 2015
[5]復(fù)雜場景紅外艦船目標(biāo)實時檢測技術(shù)研究[D]. 王丁禾.國防科學(xué)技術(shù)大學(xué) 2012
[6]復(fù)雜海天背景紅外艦船目標(biāo)自動檢測方法研究[D]. 李翠紅.湖南師范大學(xué) 2012
[7]合成孔徑雷達圖像上艦船目標(biāo)的檢測[D]. 陳珊.上海交通大學(xué) 2008



本文編號：3128361