基于Caffe深度学习的无人机海上目标检测

发布时间：2024-04-22 04:04

　　近年来随着无人机技术不断地发展,无人机已经成为现代化战争中不可或缺的空中力量。目标检测是无人机视觉系统的一项关键技术,本文根据无人机任务规划系统中对于海上目标检测的需求,提出无人机海上目标检测算法。传统目标检测算法在实际应用中准确率和实时性上未能达到系统要求,鉴于深度学习近年来在图像领域取得很多突破,使用卷积神经网络进行相关图像处理已逐渐成为主流。本文将在Caffe框架下的目标检测算法应用到无人机航拍图像来检测海上目标,以突破传统方法在实际应用中存在的瓶颈。图像预处理是进行海上目标检测要完成的第一个阶段性任务,目标是保留或增强无人机航拍图像中目标相关信息,去掉那些图像中的无关信息。针对无人机实际航拍中拍摄到的图像质量良莠不齐的问题,本文通过畸变校正、平滑去噪及暗原色处理等操作对样本数据集进行统一的预处理,解决了因镜头非线性失真、图像噪点、雾霾雨雪天气等造成图像质量降低的问题。本文第二阶段是对预处理后的图像进行目标检测,即找出航拍图像中所有预设的舰船类别目标。基于深度学习的目标检测算法分为两大类:一类Two-Stage方法把目标检测看做舰船目标分类和舰船位置回归两个子任务,Faster ...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图1.1无人机示意图

目标检测是很多计算机视觉任务的前提，目前是一个研究热点。但是在实际战场环境中，无人机拍摄到的图像往往受到光照、薄雾、遮挡等自然地理因素的影响，加上无人机和目标姿态尺度的变化，往往对之后检测带来了一定的困难，出现误检漏检的情况。目前国内对基于雷达图像的识别检测很多，但是针对图像的较....

图2.1感知器单元结构

图2.1感知器单元结构阈值函数的设定非常简单，首先设定一个阈值Z，当这个神经元接受到相应的输入时，内部进行一个wx+b的线性运算，之后得到的求和结果去跟预设阈值Z比较，大的输出1，小的输出0，从而达到二分类的效果。公式表示如下：………………………………………………....

图2.2多层感知器模型示意图

图2.2多层感知器模型示意图2.1.4反向传播算法（BP）反向传播算法其实前面介绍感知器和多层感知器的时候都有涉及到，反向传播算法的发明可以说对于人工神经网络意义重大，是使其能从传统机器学习算法中脱颖而出的一个因素。反向传播算法其实是卷积神经网络寻找最近权值集合使用的算法，....

图2.3CNN模型结构示意图

实际上这属于一种贪心的求解方法，类似于下山问题，每次都选当前位置最陡峭的方向下山，所以可能最后会收敛到一组次优的权值集合。而且还存在鞍点处难收敛等等问题，实际操作中往往在梯度下降的基础上添加一些别的策略（mini-batchSGD、moment动量等），实际效果是使得训练所需迭....

本文编号：3961902