文章目录

摘要

ABSTRACT

第一章 绪论

1.1 课题研究背景和意义

    1.1.1 课题研究背景

    1.1.2 课题研究意义

1.2 国内外研究现状

    1.2.1 遥感领域发展现状

    1.2.2 舰船检测技术发展现状

    1.2.3 边缘计算技术研究现状

1.3 论文结构安排

第二章 基于深度学习的舰船智能检测算法研究

2.1 引言

2.2 智能检测算法网络结构分析

    2.2.1 卷积层

    2.2.2 池化层

    2.2.3 激活函数

    2.2.4 全连接层

2.3 智能检测算法的训练过程

2.4 常见卷积神经网络

2.5 基于R-CNN的智能检测算法研究

    2.5.1 R-CNN算法

    2.5.2 SPP-net算法

    2.5.3 Fast R-CNN算法

2.6 本章小结

第三章 基于云端的舰船目标智能检测算法训练与实现

3.1 引言

3.2 数据集准备与设计

    3.2.1 Airbus遥感数据集

    3.2.2 数据集标注与转换算法设计

3.3 检测性能指标

3.4 基于Faster R-CNN算法的舰船检测训练与实现

    3.4.1 网络结构研究

    3.4.2 损失函数分析

    3.4.3 Faster R-CNN模型训练与评估

3.5 基于Mask R-CNN算法的舰船检测训练与实现

    3.5.1 网络结构研究

    3.5.2 损失函数和ROI Align分析

    3.5.3 Mask R-CNN算法训练与评估

3.6 本章小结

第四章 基于边缘端的智能舰船目标检测实现与应用

4.1 引言

4.2 边缘计算硬件实现方案

    4.2.1 基于Jetson Nvidia TX2 的硬件实现

    4.2.2 嵌入式系统和边缘计算

4.3 智能检测算法边缘平台部署

    4.3.1 Faster R-CNN模型部署

    4.3.2 Mask R-CNN模型部署

4.4 舰船目标智能检测算法应用实验研究

    4.4.1 智能检测算法针对舰船小目标的纹波学习分析实验

    4.4.2 遥感图像转文本信息传输

    4.4.3 图像裁剪、信息恢复和航行轨迹判断

4.5 本章小结

第五章 总结与展望

致谢

参考文献

作者在学期间取得的学术成果

文章摘要:当前天基信息系统项目建设是我国的重点之一,其中光学遥感信息系统的发展对于保障占我国领土总面积三分之一的领海安全作用巨大。而遥感信息系统升级面临着数据传输压力、实时性以及保密安全等等问题。为了解决这些问题,本文从边缘计算的角度出发,提出了在云端训练模型,在星上边缘计算平台部署模型,使用深度学习智能检测算法实现对海上目标遥感图像信息即时处理以及检测提取舰船目标关键信息的方案。对推动建设天基信息系统,实现对海监测信息在轨快速处理分析有着重要的意义。本文主要工作如下:（1）研究了基于卷积神经网络的智能舰船检测算法的结构框架和数学机理以及运算过程,同时对网络模型的训练和部分基础算法网络进行了分析;（2）研究并实验解决了智能检测算法应用于遥感舰船目标在云端的训练和推理问题。包括对Air Bus提供的遥感数据集进行分析和转换,以及Faster R-CNN和Mask R-CNN两种检测算法在服务器上的训练和推理实验。实验记录的损失函数表明,两种算法网络模型均稳步收敛;（3）设计了舰船目标智能检测算法基于边缘计算平台的实现方案,并实验完成了在边缘计算平台NVIDIA TX2上的算法模型部署。Faster R-CNN在边缘端推理时间为0.75秒,平均准确度（mAP）在误差不超过半个舰船位置的条件下达到了88.3%。Mask R-CNN的网络层次更深,推理时间为1.75秒,检测平均准确度达到了96.6%。（4）试验并分析了星载舰船目标智能检测算法的应用特点和应用场景,主要包括实验验证智能检测算法自动学习舰船目标附带的纹波特征,以及检测算法对舰船目标的信息压缩和恢复,对舰船航行方向和轨迹的星上快速判断等。综合实验结果检验了在星上部署基于边缘计算的智能检测算法实现舰船目标检测的可行性,验证了云计算和边缘计算协同运算对推进遥感信息系统升级和天基信息系统建设具有重要意义。

文章来源：《舰船科学技术》 网址: http://www.jckxjszz.cn/qikandaodu/2022/0112/2225.html