学位专题

封面
声明
中文摘要
英文摘要
目录
第1章绪论
1.1 研究的目的和意义
1.2 国内外研究现状
1.2.1 基于传统图像特征的遥感图像目标检测研究现状
1.2.2 基于深度学习的遥感图像目标检测研究现状
1.3 本文主要研究内容以及章节安排
第2章基于深度学习的目标检测技术相关理论
2.1 卷积神经网络
2.1.1 卷积神经网络结构
2.1.2 卷积层
2.1.3 非线性激活函数
2.1.4 池化层
2.1.5 全连接层
2.2 ResNet残差网络
2.3 目标检测经典算法
2.3.1 两阶段检测器
2.3.2 单阶段检测器
2.4 评价指标
2.4.1 精确率和召回率
2.4.2 平均精度
2.5 本章小结
第3章基于旋转框角度分类的遥感图像目标检测算法
3.1 YOLOv5s模型
3.2 YOLOv5s-rd模型
3.2.1 旋转框表示法
3.2.2 圆形光滑标签
3.2.3 损失函数
3.3 优化算法
3.4 本章小结
第4章基于改进 YOLOv5s-rd的遥感图像目标检测算法
4.1 数据增强改进
4.2 特征融合网络改进
4.3 注意力机制的引入
4.4 优化算法的改进
4.5 本章小结
第5章实验对比分析
5.1 实验数据集的选取与环境的搭建
5.1.1 实验数据集的选取
5.1.2 实验环境的搭建
5.2 基于YOLOv5s-rd算法实验结果与分析
5.3 基于改进YOLOv5s-rd的实验结果与分析
5.3.1 数据增强改进前后的对比
5.3.2 特征融合网络改进前后的对比
5.3.3 注意力机制引入前后对比
5.3.4 优化算法改进前后对比
5.4 本文方法与现有方法对比
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文及获得成果
致谢