logo
教育论文中心  教育论文中心   广告服务  广告服务   论文搜索  论文搜索   论文发表  论文发表   会员专区  会员专区   在线购卡   在线购卡   服务帮助  服务帮助   联系我们  联系我们   网站地图  网站地图   硕士论文  会员专区   博士论文
当前位置:教育论文中心首页--硕士论文--基于多尺度深度网络和视觉注意机制的高分辨SAR图像目标检测与分类
博硕论文分类列表
工业技术 交通运输 农业科学
生物科学 航空航天 历史地理
医学卫生 语言文字 环境科学
综合图书 政治法律 社会科学
马列主义、毛泽东思想 艺术
数理科学和化学 文学
天文学、地理科学 军事
文化科学、教育体育 经济
自然科学总论 哲学
查看更多分类
 
论文搜索
 
 
相关论文
二进前向网络分类超平面理论
基于视觉特征模型目标图像
基于素描模型可控核函数SAR
基于深度全景视频虚拟场景绘制技
基于稀疏表示集成学习若干分类
基于形式概念分析图像数据挖掘研
点时空约束图像目标跟踪理论实时
SAR图像处理及地面目标识别技术
合成孔径雷达回波信号模拟研究
视觉注意机制若干关键技术及应用
几类多尺度非线性随机模型SAR
基于视觉注意视觉问答方法研究
基于监督学习图像局部特征点检测
分辨雷达对群目标检测分辨
基于人工免疫模型入侵检测技术研
图像分类图像语义标注研究
一种基于粗糙集免疫进化网络
无人直升机视觉导引着陆研究
分辨SAR图像目标区域提取方法
SAR图像目标鉴别技术研究
SAR图像目标聚类算法研究
自然场景分类目标识别关键技术研
授权中心基于属性签名及加密算
基于文本内容图像搜索引擎
SAR图像消斑分割算法研究
基于数据库方式遥感图像库内容检
图像信息处理中选择性注意机制
基于图像虚拟场景绘制关键技术研
基于内容情感层次化商品图像
运动目标检测跟踪研究
复杂背景下人民币冠字号码识别技术
恶性浆膜腔积液ras基因突变
褪黑素对大鼠酒精性脂肪肝保护作
复杂背景下SAR图像目标检测
基于Directionlet变换
基于随机观测向量目标检测分类
基于内容视频拷贝检测算法研究
低帧频图像序列目标提取关键技术研
基于生物视觉机理显著目标检测
基于第二代Directionle
星载SAR舰船目标自适应检测技术
基于图像点云模型建造及其在环境
基于视觉注意机制服务机器人深度
基于线面融合分辨率遥感图像
基于规则相似性分类过程在复杂
基于形态学SAR目标特征提取
生物视觉感知启发下目标检测
图像检索算法研究
基于内容图像检索中图像语义分类
 
科目列表
市场营销 管理理论 人力资源
电子商务 社会实践 先进教育
伦理道德 艺术理论 环境保护
农村研究 交通相关 烟草论文
电子电气 财务分析 融资决策
电影艺术 国学论文 材料工程
语文论文 数学论文 英语论文
政治论文 物理论文 化学论文
生物论文 美术论文 历史论文
地理论文 信息技术 班主任
音乐论文 体育论文 劳技论文
自然论文 德育管理 农村教育
素质教育 三个代表 旅游管理
国际贸易 哲学论文 工商管理
证券金融 社会学 审计论文
会计论文 建筑论文 电力论文
水利论文 园林景观 农林学
中医学 西医学 心理学
公安论文 法学法律 思想汇报
法律文书 总结报告 演讲稿
物业管理 经济学 论文指导
计算机 护理论文 社会调查
军事论文 化工论文 财政税收
保险论文 物流论文 语言教育
教育教学 给水排水 暖通论文
结构论文 综合类别 硕士论文
博士论文    
 
 
基于多尺度深度网络和视觉注意机制的高分辨SAR图像目标检测与分类
 
     论文目录
 
摘要第5-6页
ABSTRACT第6-7页
符号对照表第12-13页
缩略语对照表第13-17页
第一章 绪论第17-33页
    1.1 研究背景与意义第17-18页
    1.2 SAR图像基础理论第18-20页
        1.2.1 SAR图像目标特性第18-19页
        1.2.2 SAR-ATR架构第19-20页
    1.3 目标检测的国内外研究现状及发展趋势第20-21页
        1.3.1 传统的SAR图像目标检测第20-21页
        1.3.2 基于深度学习的自然图像目标检测第21页
    1.4 目标分类的国内外研究现状及发展趋势第21-23页
        1.4.1 传统的SAR图像目标分类第21-22页
        1.4.2 基于深度学习的自然图像目标分类第22-23页
    1.5 常用的目标检测算法第23-27页
    1.6 常用的目标分类算法第27-30页
    1.7 本文主要工作及内容安排第30-33页
第二章 基于视觉注意机制的SAR图像目标检测第33-79页
    2.1 引言第33页
    2.2 视觉注意机制基础第33-37页
    2.3 全卷积神经网络基础第37-40页
        2.3.1 卷积层第37-38页
        2.3.2 池化层第38-39页
        2.3.3 上采样和反卷积层第39页
        2.3.4 Softmax分类第39-40页
        2.3.5 全卷积神经网络第40页
    2.4 形态学处理基础第40-42页
    2.5 基于显著性检测网络的SAR图像目标检测第42-46页
        2.5.1 显著性检测网络第43-44页
        2.5.2 显著图形态学处理第44页
        2.5.3 训练数据集构建第44-46页
    2.6 实验结果与分析第46-76页
        2.6.1 实验数据第46-47页
        2.6.2 实验环境第47-48页
        2.6.3 实验结果分析第48-76页
    2.7 小结第76-79页
第三章 基于DC-Res Net的SAR图像目标分类第79-101页
    3.1 引言第79页
    3.2 深度残差网络基础第79-83页
        3.2.1 非线性激活函数第80页
        3.2.2 Dropout操作第80-81页
        3.2.3 批规范化第81-82页
        3.2.4 全局均值池化第82-83页
        3.2.5 跳跃连接第83页
    3.3 基于DC-Res Net的SAR图像目标分类第83-87页
        3.3.1 可变形卷积核第83-85页
        3.3.2 可变形卷积残差模块第85-86页
        3.3.3 DC-Res Net模型第86-87页
    3.4 实验结果与分析第87-99页
        3.4.1 实验数据第87-89页
        3.4.2 实验环境第89页
        3.4.3 实验结果分析第89-99页
    3.5 小结第99-101页
第四章 基于多尺度深度神经网络的SAR图像目标分类第101-113页
    4.1 引言第101页
    4.2 基于MCK-CNN的SAR图像目标分类第101-103页
        4.2.1 深度融合神经网络第101-102页
        4.2.2 MCK-CNN第102-103页
    4.3 基于MGA-CNN的SAR图像目标分类第103-108页
        4.3.1 Curvelet变换第103-106页
        4.3.2 MGA-CNN第106-108页
    4.4 实验结果与分析第108-112页
        4.4.1 实验数据第108页
        4.4.2 实验环境第108页
        4.4.3 实验结果分析第108-112页
    4.5 小结第112-113页
第五章 总结与展望第113-115页
    5.1 本文工作总结第113页
    5.2 研究工作展望第113-115页
参考文献第115-119页
致谢第119-121页
作者简介第121-122页

 
 
论文编号BS4157544,这篇论文共122
会员购买按0.35元/页下载,共需支付42.7元。        直接购买按0.5元/页下载,共需要支付61元 。
我还不是会员,注册会员
会员下载更优惠!充值送钱!
我只需要这篇,无需注册!
直接网上支付,方便快捷!
 您可能感兴趣的论文
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。
 
 
| 会员专区 | 在线购卡 | 广告服务 | 网站地图 |
版权所有 教育论文中心 Copyright(C) All Rights Reserved
联系方式: QQ:277865656 或写信给我