幫助中心 | 我的帳號 | 關於我們

海面目標視覺識別與跟蹤方法

  • 作者:王榮傑|責編:陳進才
  • 出版社:廈門大學
  • ISBN:9787561587195
  • 出版日期:2022/08/01
  • 裝幀:平裝
  • 頁數:129
人民幣:RMB 45 元      售價:
放入購物車
加入收藏夾

內容大鋼
    本書從視覺感知的角度,探索海面目標識別與跟蹤中若干關鍵技術的解決方案,具體針對圖像去霧/去雨預處理、重疊下馬賽克圖像數據增強與檢測、小目標識別、多視角船舶識別、目標動作跟蹤和軌跡預測等提出了自已的見解。本書根據筆者課題組近年的研究成果編寫,共7章:第1章基於殘差塊網路的圖像去雨演算法,第2章基於多尺度融合的圖像去霧演算法,第3章船舶目標重疊下馬賽克圖像數據增強與檢測方法研究,第4章基於SSD演算法的船舶小目標識別方法,第5章基於更快區域卷積神經網路的多視角船舶識別,第6章基於孿生網路的海面目標動作跟蹤模型,第7章基於QABC和LSTM的海面目標軌跡預測研究。

作者介紹
王榮傑|責編:陳進才

目錄
第1章  基於殘差塊網路的圖像去雨演算法
  1.1  引言
  1.2  雨天圖像數據集
    1.2.1  室外雨天圖像數據集
    1.2.2  雨天海面模擬數據集
  1.3  基於卷積神經網路的圖像去雨方法
    1.3.1  基於殘差網路的去雨模型設計
    1.3.2  殘差網路模塊
    1.3.3  損失函數
  1.4  實驗結果分析
  1.5  結論
  參考文獻
第2章  基於多尺度融合的圖像去霧演算法
  2.1  引言
  2.2  海面霧天圖像數據集模擬
    2.2.1  海面圖像數據集
    2.2.2  海面霧天圖像模擬
  2.3  基於多尺度融合的圖像去霧演算法
    2.3.1  多尺度融合網路模塊
    2.3.2  伽馬矯正
  2.4  實驗結果分析
    2.4.1  圖像質量評估
    2.4.2  海面目標檢測實驗
  2.5  總結
  參考文獻
第3章  船舶目標重疊下馬賽克圖像數據增強與檢測方法研究
  3.1  引言
  3.2  方法論
    3.2.1  Yolov4-tiny演算法的概述
    3.2.2  數據增強方法
    3.2.3  損失函數
    3.2.4  網路優化方法
  3.3  實驗模擬及測試
    3.3.1  數據集規劃
    3.3.2  訓練與測試結果
  3.4  結論
  參考文獻
第4章  基於SSD演算法的船舶小目標識別方法
  4.1  引言
  4.2  相關工作
  4.3  SSD網路模型
  4.4  評估指標
  4.5  實驗數據集
  4.6  實驗結果分析
  4.7  總結
  參考文獻
第5章  基於更快區域卷積神經網路的多視角船舶識別
  5.1  引言
  5.2  方法論
    5.2.1  Faster R-CNN模型

    5.2.2  特徵提取網路
    5.2.3  RPN模塊
    5.2.4  分類及回歸網路
    5.2.5  損失函數
  5.3  實驗結果分析
  5.4  結論
  參考文獻
第6章  基於孿生網路的海面目標動作跟蹤模型
  6.1  引言
  6.2  相關工作
  6.3  SIAMAD模型
    6.3.1  模型的搭建
    6.3.2  模型的訓練流程
    6.3.3  模型的測試流程
  6.4  對比實驗
    6.4.1  構建海面目標數據集
    6.4.2  對比實驗結果分析
  6.5  結論
  參考文獻
第7章  基於QABc和LSTM的海面目標軌跡預測研究
  7.1  引言
  7.2  相關工作
  7.3  基於QABC-LSTM的海面目標視覺軌跡預測
    7.3.1  QABC演算法
    7.3.2  長短時記憶網路
    7.3.3  QABC-LSTM模型的搭建
    7.3.4  QABC-LSTM模型的訓練
  7.4  實驗結果分析
  7.5  結論
  參考文獻

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032