面向舰船目标识别应用的关键技术研究
发布时间：2021-09-17 20:23
新时代条件下“建设海洋强国”、“一带一路之21世纪海上丝绸之路”等国家战略的实施,全球化发展已成为必然选择。与此同时,围绕海洋资源、通道安全等争端进一步加剧,海洋权益面临错综复杂的国际形势。舰船作为各种海洋活动的主体,如何实时、准确地识别海洋环境中的舰船目标,是实现建设海洋强国国家战略的关键环节。然而,由于海洋环境的特殊性,传统基于深度学习的目标识别方法难以满足计算资源、通讯带宽、能源供应等受限条件下的应用要求。因此,本文针对自动舰船目标识别问题,面向海洋环境条件下资源受限平台的应用,开展了基于深度学习的轻量化舰船识别相关关键技术研究,主要完成工作如下:（1）针对传统基于深度学习的舰船目标识别方法中存在的模型参数过大、参数利用率低问题,综合利用优化卷积操作、模型参数压缩和增强特征表达等技术,提出了一种面向资源受限平台应用的轻量化特征提取结构DResNet,在模型参数量和计算量大幅削减的情况下,实现了目标特征的高质量提取。在ImageNet-67数据集上,从识别速度、准确率、模型参数量、浮点计算量、显存占用等方面,分别与已有MobileNet、ShuffleNet、MobileNetv2...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：108 页
【学位级别】：硕士
【部分图文】：
图１．１目标类别检测任务示意图??
传统目标识别方法是基于图像处理、模式识别等相关技术构建的整个目标识??别算法。一个完整的目标识别算法流程通常包括：图像的预处理、目标图像的区??域分割、目标的特征提取以及目标识别４个部分组成。其详细流程如图１．２所示。??Ｃ￣ｍｍｍ?区咸ｉｉＴ；?ｒ?ｍｍ?、丨ｍｍ＼?、丨??ｉ?ｉ?ｉ?ｊ?ｉ?ｊ?ｉ?；目标??５２?图像谏波?ｂ边缘检测分割ｂ不变矩特征ｄ?真实目标?ｂ识别??图像ｗ?图像增强?＾自动随分割＾?几何特征?干扰目标卜结果??……?丨丨区域生长分割丨！统计特征丨丨?Ｉ??１??Ｖ?＇?＼??Ｉ?＼?？？？：?＞?＼?＇????图１．２传统舰船目标识别流程??在目标识别任务中，图像中特征提取的质量是目标检测的准确性提升的关键。??传统的目标识别方法注重如何提取图像中目标的更为精确和鲁棒的特征，并通过??模式识别等方法进行特征分类，以此来实现目标识别性能的提升。下面将对经典??的目标识别算法进行概要梳理。??Ｖｉｏｌａ?Ｐ［４］等提出基于ＡｄａＢｏｏｓｔ算法框架，使用Ｈａａｒ＿Ｉｉｋｅ小波特征分类，然后采??用滑动窗口搜索策略实现准确有效地定位，以实现目标检测中类别和位置的预测。??该算法是首个实现实时精确的物体类别检测算法，主要应用于人脸检测。??Ｄａｌａｉ?Ｎ［５］等提出使用图像局部梯度直方图（Ｈｉｓｔｏｇｒａｍ?ｏｆ?Ｏｒｉｅｎｔｅｄ?Ｇｒａｄｉｅｎｔ，??ＨＯＧ）作为图像特征实现行人目标检测。通过统计学方法提取图像中的局部灰度??直方图
１．２．１．２深度学习目标检测方法研究现状??深度学习作为人工智能领域的重要的分支，在历史的发展过程中经历了多次??的繁荣与低谷，如图１．３所示。从第一次机器学习的提出，到目前基于大规模数据??的深度学习的爆发式发展，每次的繁荣发展都离不开新一代硬件基础设施的发展，??尤其是计算机计算和存储方面的阶跃式发展。未来随着大数据及量子计算等技术??的发展，人工智能相关技术将在我们的生活中发挥越来越重要的作用。在此，考??虑到舰船目标的应用背景，本文将仅对人工智能在目标检测领域的研究现状进行??简要梳理与概括。??［机器学习Ｉ是出丨?经丨?｜?Ｄｅｅｐ?Ｂｌｕｅ象棋夺冠Ｉ?ｊ微软小娜发布ｊ?????＾?１???＾?１?＾???ＩＩ?ＩＩ??［Ａ工ｉ晶提出丨１?丨［ｉＬ器翻译失！＾?｜?「ＬＩＳＰ＾Ｌ－市场崩塌｜?；丨深度学习提出］＾ＡｌｐｈＧｏ围棋４冠｜??＾?｜?ｆ?｜?尽?Ｉ?＇?＾?Ｉ?＾??—？￣６?６－９?６?？￣６?？?６?？￣６￣？?６—？?６?６￣￣？￣￣？??１９５０ｓ?１９６０ｓ?１９７０ｓ?１９８０ｓ?１９９０ｓ?２０００ｓ?２０ＪＬ０ｓ?２０．２０ｓ??Ｉ?ｉ?Ｉ??第一次繁荣期第一次低谷期第二次繁荣期丨第二次低谷期?复苏期ｉ增长爆发期丨??（１９５６－１９７６）?（１９７６－１９８２）?（１９８２－１９８７）?｜?（１９８７－１９９７）?（１９９７－２０１０）?ｊ?（２０１０－）??图１．３深度学习发展历程??ＤＰＭ方法提出之后，目标检测进入了一个瓶颈期。复杂的特征提取和集成学??习等方式也只能得到极其有限的提升
【参考文献】：
期刊论文
[1]海洋通信的发展现状与时代挑战[J]. 夏明华,朱又敏,陈二虎,邢成文,杨婷婷,温文坤. 中国科学:信息科学. 2017(06)
[2]图像目标类别检测综述[J]. 蔡强,刘亚奇,曹健,毛典辉,牛群. 计算机科学与探索. 2015(03)
[3]SAR图像舰船目标识别综述[J]. 陈文婷,邢相薇,计科峰. 现代雷达. 2012(11)
本文编号：3399436
【文章来源】：杭州电子科技大学浙江省
【文章页数】：108 页
【学位级别】：硕士
【部分图文】：
图１．１目标类别检测任务示意图??
传统目标识别方法是基于图像处理、模式识别等相关技术构建的整个目标识??别算法。一个完整的目标识别算法流程通常包括：图像的预处理、目标图像的区??域分割、目标的特征提取以及目标识别４个部分组成。其详细流程如图１．２所示。??Ｃ￣ｍｍｍ?区咸ｉｉＴ；?ｒ?ｍｍ?、丨ｍｍ＼?、丨??ｉ?ｉ?ｉ?ｊ?ｉ?ｊ?ｉ?；目标??５２?图像谏波?ｂ边缘检测分割ｂ不变矩特征ｄ?真实目标?ｂ识别??图像ｗ?图像增强?＾自动随分割＾?几何特征?干扰目标卜结果??……?丨丨区域生长分割丨！统计特征丨丨?Ｉ??１??Ｖ?＇?＼??Ｉ?＼?？？？：?＞?＼?＇????图１．２传统舰船目标识别流程??在目标识别任务中，图像中特征提取的质量是目标检测的准确性提升的关键。??传统的目标识别方法注重如何提取图像中目标的更为精确和鲁棒的特征，并通过??模式识别等方法进行特征分类，以此来实现目标识别性能的提升。下面将对经典??的目标识别算法进行概要梳理。??Ｖｉｏｌａ?Ｐ［４］等提出基于ＡｄａＢｏｏｓｔ算法框架，使用Ｈａａｒ＿Ｉｉｋｅ小波特征分类，然后采??用滑动窗口搜索策略实现准确有效地定位，以实现目标检测中类别和位置的预测。??该算法是首个实现实时精确的物体类别检测算法，主要应用于人脸检测。??Ｄａｌａｉ?Ｎ［５］等提出使用图像局部梯度直方图（Ｈｉｓｔｏｇｒａｍ?ｏｆ?Ｏｒｉｅｎｔｅｄ?Ｇｒａｄｉｅｎｔ，??ＨＯＧ）作为图像特征实现行人目标检测。通过统计学方法提取图像中的局部灰度??直方图
１．２．１．２深度学习目标检测方法研究现状??深度学习作为人工智能领域的重要的分支，在历史的发展过程中经历了多次??的繁荣与低谷，如图１．３所示。从第一次机器学习的提出，到目前基于大规模数据??的深度学习的爆发式发展，每次的繁荣发展都离不开新一代硬件基础设施的发展，??尤其是计算机计算和存储方面的阶跃式发展。未来随着大数据及量子计算等技术??的发展，人工智能相关技术将在我们的生活中发挥越来越重要的作用。在此，考??虑到舰船目标的应用背景，本文将仅对人工智能在目标检测领域的研究现状进行??简要梳理与概括。??［机器学习Ｉ是出丨?经丨?｜?Ｄｅｅｐ?Ｂｌｕｅ象棋夺冠Ｉ?ｊ微软小娜发布ｊ?????＾?１???＾?１?＾???ＩＩ?ＩＩ??［Ａ工ｉ晶提出丨１?丨［ｉＬ器翻译失！＾?｜?「ＬＩＳＰ＾Ｌ－市场崩塌｜?；丨深度学习提出］＾ＡｌｐｈＧｏ围棋４冠｜??＾?｜?ｆ?｜?尽?Ｉ?＇?＾?Ｉ?＾??—？￣６?６－９?６?？￣６?？?６?？￣６￣？?６—？?６?６￣￣？￣￣？??１９５０ｓ?１９６０ｓ?１９７０ｓ?１９８０ｓ?１９９０ｓ?２０００ｓ?２０ＪＬ０ｓ?２０．２０ｓ??Ｉ?ｉ?Ｉ??第一次繁荣期第一次低谷期第二次繁荣期丨第二次低谷期?复苏期ｉ增长爆发期丨??（１９５６－１９７６）?（１９７６－１９８２）?（１９８２－１９８７）?｜?（１９８７－１９９７）?（１９９７－２０１０）?ｊ?（２０１０－）??图１．３深度学习发展历程??ＤＰＭ方法提出之后，目标检测进入了一个瓶颈期。复杂的特征提取和集成学??习等方式也只能得到极其有限的提升
【参考文献】：
期刊论文
[1]海洋通信的发展现状与时代挑战[J]. 夏明华,朱又敏,陈二虎,邢成文,杨婷婷,温文坤. 中国科学:信息科学. 2017(06)
[2]图像目标类别检测综述[J]. 蔡强,刘亚奇,曹健,毛典辉,牛群. 计算机科学与探索. 2015(03)
[3]SAR图像舰船目标识别综述[J]. 陈文婷,邢相薇,计科峰. 现代雷达. 2012(11)
本文编号：3399436
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3399436.html
