海上態(tài)勢(shì)視覺(jué)感知方法研究

前言
第一章 緒論
1.1 研究背景與意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀與發(fā)展趨勢(shì)
1.2.1 海面全場(chǎng)景解析研究現(xiàn)狀
1.2.2 海面船舶目標(biāo)重識(shí)別研究現(xiàn)狀
1.2.3 海面船舶目標(biāo)跟蹤研究現(xiàn)狀
1.2.4 海面視覺(jué)感知數(shù)據(jù)集
1.2.5 海面視覺(jué)感知發(fā)展趨勢(shì)
1.3 本書(shū)主要工作和研究成果
1.3.1 主要研究?jī)?nèi)容和技術(shù)路線
1.3.2 本書(shū)主要研究成果
1.4 本書(shū)組織結(jié)構(gòu)
第二章 判別式深度學(xué)習(xí)與視覺(jué)感知技術(shù)
2.1 卷積神經(jīng)網(wǎng)絡(luò)
2.1.1 卷積的基本概念
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
2.1.3 優(yōu)化目標(biāo)函數(shù)
2.2 卷積神經(jīng)網(wǎng)絡(luò)骨干模型
2.2.1 深度網(wǎng)絡(luò)優(yōu)化模型
2.2.2 寬度網(wǎng)絡(luò)優(yōu)化模型
2.2.3 復(fù)合縮放模型
2.2.4 全卷積網(wǎng)絡(luò)
2.3 視覺(jué)感知中的多尺度解決方案
2.3.1 空洞卷積
2.3.2 多尺度特征融合
2.3.3 可變形卷積
2.3.4 非局部卷積
2.4 視覺(jué)感知中的時(shí)序模型和注意力機(jī)制
2.4.1 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)
2.4.2 注意力機(jī)制
2.5 本章小結(jié)
第三章 基于全景分割的海面場(chǎng)景解析
3.1 引言
3.2 深度學(xué)習(xí)背景下的圖像分割技術(shù)
3.2.1 語(yǔ)義分割
3.2.2 實(shí)例分割
3.2.3 全景分割
3.3 端到端架構(gòu)的全景分割方法
3.3.1 共享的Res2Net-FPN網(wǎng)絡(luò)結(jié)構(gòu)
3.3.2 語(yǔ)義分割頭部
3.3.3 實(shí)例分割頭部
3.3.4 基于DSmT的全景融合方法
3.3.5 總體優(yōu)化目標(biāo)函數(shù)
3.4 MarPS-1395數(shù)據(jù)集的構(gòu)建
3.5 實(shí)驗(yàn)與結(jié)果分析
3.5.1 評(píng)估指標(biāo)
3.5.2 實(shí)驗(yàn)設(shè)置
3.5.3 MatPS-1395數(shù)據(jù)集上實(shí)驗(yàn)與結(jié)果分析
3.5.4 MS COC0公共數(shù)據(jù)集上實(shí)驗(yàn)與結(jié)果分析
3.6 本章小結(jié)
第四章 基于全局-局部特征融合的船舶目標(biāo)重識(shí)別
4.1 引言
4.2 深度學(xué)習(xí)背景下的物體重識(shí)別技術(shù)
4.2.1 通用目標(biāo)重識(shí)別
4.2.2 視角估計(jì)和基于特征的判別模型
4.3 基于全局-局部判別特征融合的重識(shí)別方法
4.3.1 船舶重識(shí)別定義
4.3.2 全局特征提取
4.3.3 判別特征的識(shí)別和提取
4.34.4 視角估計(jì)方法
4.3.5 方向引導(dǎo)的五元組優(yōu)化目標(biāo)函數(shù)
4.3.6 全局和局部特征的融合方法
4.4 VesseⅡD-539數(shù)據(jù)集的構(gòu)建
4.4.1 數(shù)據(jù)采集
4.4.2 標(biāo)注描述
4.4.3 數(shù)據(jù)集的劃分
4.5 實(shí)驗(yàn)與結(jié)果分析
4.5.1 實(shí)驗(yàn)設(shè)置
4.5.2 評(píng)價(jià)指標(biāo)
4.5.3 同當(dāng)前最先進(jìn)方法的對(duì)比
4.5.4 可視化結(jié)果及分析
4.5.5 消融實(shí)驗(yàn)及結(jié)果分析
4.6 本章小結(jié)
第五章 基于多模型多線索的船舶目標(biāo)檢測(cè)后跟蹤
5.1 引言
5.2 深度學(xué)習(xí)背景下的通用物體檢測(cè)和跟蹤技術(shù)
5.2.1 基于深度學(xué)習(xí)的通用物體檢測(cè)
5.2.2 基于深度學(xué)習(xí)的通用目標(biāo)跟蹤
5.3 多模型多線索檢測(cè)后跟蹤方法
5.3.1 基于YOL0的目標(biāo)檢測(cè)器
5.3.2 檢測(cè)后跟蹤范式中的多模型
5.3.3 數(shù)據(jù)關(guān)聯(lián)中的多線索
5.4 實(shí)驗(yàn)與結(jié)果分析
5.4.1 實(shí)驗(yàn)設(shè)置
5.4.2 性能評(píng)估
5.4.3 消融實(shí)驗(yàn)及結(jié)果分析
5.5 本章小結(jié)
第六章 視覺(jué)感知技術(shù)在海上智能交通管理中的應(yīng)用
6.1 引 言
6.2 船舶交通管理系統(tǒng)(VTS)
6.2.1 VTS的系統(tǒng)與組織管理
6.2.2 移動(dòng)VTS原型系統(tǒng)設(shè)計(jì)
6.3 多模態(tài)融合感知應(yīng)用
6.3.1 空間域?qū)?zhǔn)
6.3.2 時(shí)間域?qū)?zhǔn)
6.3.3 多模態(tài)數(shù)據(jù)融合跟蹤方法
6.3.4 實(shí)驗(yàn)與結(jié)果分析
6.4 船舶目標(biāo)綜合識(shí)別應(yīng)用
6.4.1 跨模態(tài)船舶目標(biāo)綜合識(shí)別
6.4.2 實(shí)驗(yàn)與結(jié)果分析
6.5 本章小結(jié)
第七章 總結(jié)與展望
7.1 本書(shū)工作總結(jié)
7.2 未來(lái)研究展望
參考文獻(xiàn)
附錄 作者近來(lái)年發(fā)表的論文及其他科研成果