基于SSD的船舶目标检测与跟踪算法研究

声明

1 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.2.1 船舶目标检测研究现状

1.2.2 船舶目标跟踪研究现状

1.2.3 卷积神经网络研究现状

1.3 本文的主要内容

2 传统船舶目标检测方法

2.1 概述

2.2 常用的传统船舶检测方法

2.2.1 背景差分法

2.2.2 光流法

2.2.3 基于HOG特征及SVM分类方法

2.3 传统船舶检测方法存在的问题

2.4 本章小节

3 基于卷积神经网络的目标检测方法

3.1 卷积神经网络基础理论

3.1.1 卷积层

3.1.2 池化层

3.1.3 全连接层

3.1.4 激活函数

3.2 基于卷积神经网络的目标检测方法

3.2.1 基于侯选区域的目标检测方法

3.2.2 基于回归的的目标检测方法

3.3 基于卷积神经网络的检测方法对比与分析

3.3.1 训练过程

3.3.2 船舶检测评价指标

3.3.3 性能评价与分析

3.4 本章小节

4 基于SSD目标检测的改进算法研究

4.1 船舶目标检测中SSD的不足

4.2 网络模型的改进

4.2.1 网络模型介绍

4.2.2 网络模型对比与分析

4.3 先验框的改进

4.3.1 先验框的定义

4.3.2 先验框的设置

4.3.3 实验对比及分析

4.4 本章小节

5 船舶检测跟踪系统

5.1 引言

5.2 船舶跟踪模块

5.2.1 KCF 算法

5.2.2 数据关联算法

5.2.3 跟踪模块流程

5.3 实验结果与分析

5.4 本章小节

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢

大连理工大学学位论文版权使用授权书