海面目标的视觉识别与跟踪方法

第1章 基于残差块网络的图像去雨算法 1.1 引言 1.2 雨天图像数据集 1.2.1 室外雨天图像数据集 1.2.2 雨天海面模拟数据集 1.3 基于卷积神经网络的图像去雨方法 1.3.1 基于残差网络的去雨模型设计 1.3.2 残差网络模块 1.3.3 损失函数 1.4 实验结果分析 1.5 结论 参考文献 第2章 基于多尺度融合的图像去雾算法 2.1 引言 2.2 海面雾天图像数据集模拟 2.2.1 海面图像数据集 2.2.2 海面雾天图像模拟 2.3 基于多尺度融合的图像去雾算法 2.3.1 多尺度融合网络模块 2.3.2 伽马矫正 2.4 实验结果分析 2.4.1 图像质量评估 2.4.2 海面目标检测实验 2.5 总结 参考文献 第3章 船舶目标重叠下马赛克图像数据增强与检测方法研究 3.1 引言 3.2 方法论 3.2.1 Yolov4-tiny算法的概述 3.2.2 数据增强方法 3.2.3 损失函数 3.2.4 网络优化方法 3.3 实验仿真及测试 3.3.1 数据集规划 3.3.2 训练与测试结果 3.4 结论 参考文献 第4章 基于SSD算法的船舶小目标识别方法 4.1 引言 4.2 相关工作 4.3 SSD网络模型 4.4 评估指标 4.5 实验数据集 4.6 实验结果分析 4.7 总结 参考文献 第5章 基于 快区域卷积神经网络的多视角船舶识别 5.1 引言 5.2 方法论 5.2.1 Faster R-CNN模型