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