掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
海上態勢視覺感知方法研究 版權信息
- ISBN：9787569290578
- 條形碼：9787569290578 ; 978-7-5692-9057-8
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
海上態勢視覺感知方法研究 內容簡介
航行態勢感知是傳統海面集成監視活動的終極目標，也是現代智能船舶甚至無人駕駛船舶自主航行實現的首要前提。本書首先對海上態勢視覺感知*先進及經典的技術進行歸納和綜述，其次對判別式深度學習的核心機理進行了詳細的介紹，然后重點報告本文作者在海面全場景解析、船舶目標重識別和檢測后跟蹤三個方面的**工作，接著給出以上關鍵技術在海上智能交通系統中的應用，*后對全書的研究成果進行總結并給出研究展望。本書組織結構合理，內容翔實，語言通俗易懂，理論和實驗細節描述深入淺出，是一本理論和實踐性兼備的學術著作。 本書可供從事自主無人系統、水上交通工程、航海智能化、交通信息工程與控制等領域研究人員和計算機及相關專業的工程技術人員、高校師生閱讀參考。
海上態勢視覺感知方法研究 目錄
前言
**章 緒論
1.1 研究背景與意義
1.2 國內外研究現狀與發展趨勢
1.2.1 海面全場景解析研究現狀
1.2.2 海面船舶目標重識別研究現狀
1.2.3 海面船舶目標跟蹤研究現狀
1.2.4 海面視覺感知數據集
1.2.5 海面視覺感知發展趨勢
1.3 本書主要工作和研究成果
1.3.1 主要研究內容和技術路線
1.3.2 本書主要研究成果
1.4 本書組織結構
第二章 判別式深度學習與視覺感知技術
2.1 卷積神經網絡
2.1.1 卷積的基本概念
2.1.2 卷積神經網絡的基本結構
2.1.3 優化目標函數
2.2 卷積神經網絡骨干模型
2.2.1 深度網絡優化模型
2.2.2 寬度網絡優化模型
2.2.3 復合縮放模型
2.2.4 全卷積網絡
2.3 視覺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 視覺感知中的時序模型和注意力機制
2.4.1 長短期記憶神經網絡
2.4.2 注意力機制
2.5 本章小結
第三章 基于全景分割的海面場景解析
3.1 引言
3.2 深度學習背景下的圖像分割技術
3.2.1 語義分割
3.2.2 實例分割
3.2.3 全景分割
3.3 端到端架構的全景分割方法
3.3.1 共享的Res2Net-FPN網絡結構
3.3.2 語義分割頭部
3.3.3 實例分割頭部
3.3.4 基于DSmT的全景融合方法
3.3.5 總體優化目標函數
3.4 MarPS-1395數據集的構建
3.5 實驗與結果分析
3.5.1 評估指標
3.5.2 實驗設置
3.5.3 MatPS-1395數據集上實驗與結果分析
3.5.4 MS COC0公共數據集上實驗與結果分析
3.6 本章小結
第四章 基于全局-局部特征融合的船舶目標重識別
4.1 引言
4.2 深度學習背景下的物體重識別技術
4.2.1 通用目標重識別
4.2.2 視角估計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別方法
4.3.1 船舶重識別定義
4.3.2 全局特征提取
4.3.3 判別特征的識別和提取
4.34.4 視角估計方法
4.3.5 方向引導的五元組優化目標函數
4.3.6 全局和局部特征的融合方法
4.4 VesseⅡD-539數據集的構建
4.4.1 數據采集
4.4.2 標注描述
4.4.3 數據集的劃分
4.5 實驗與結果分析
4.5.1 實驗設置
4.5.2 評價指標
4.5.3 同當前*先進方法的對比
4.5.4 可視化結果及分析
4.5.5 消融實驗及結果分析
4.6 本章小結
第五章 基于多模型多線索的船舶目標檢測后跟蹤
5.1 引言
5.2 深度學習背景下的通用物體檢測和跟蹤技術
5.2.1 基于深度學習的通用物體檢測
5.2.2 基于深度學習的通用目標跟蹤
5.3 多模型多線索檢測后跟蹤方法
5.3.1 基于YOL0的目標檢測器
5.3.2 檢測后跟蹤范式中的多模型
5.3.3 數據關聯中的多線索
5.4 實驗與結果分析
5.4.1 實驗設置
5.4.2 性能評估
5.4.3 消融實驗及結果分析
5.5 本章小結
第六章 視覺感知技術在海上智能交通管理中的應用
6.1 引 言
6.2 船舶交通管理系統(VTS)
6.2.1 VTS的系統與組織管理
6.2.2 移動VTS原型系統設計
6.3 多模態融合感知應用
6.3.1 空間域對準
6.3.2 時間域對準
6.3.3 多模態數據融合跟蹤方法
6.3.4 實驗與結果分析
6.4 船舶目標綜合識別應用
6.4.1 跨模態船舶目標綜合識別
6.4.2 實驗與結果分析
6.5 本章小結
第七章 總結與展望
7.1 本書工作總結
7.2 未來研究展望
參考文獻
附錄 作者近來年發表的論文及其他科研成果
**章 緒論
1.1 研究背景與意義
1.2 國內外研究現狀與發展趨勢
1.2.1 海面全場景解析研究現狀
1.2.2 海面船舶目標重識別研究現狀
1.2.3 海面船舶目標跟蹤研究現狀
1.2.4 海面視覺感知數據集
1.2.5 海面視覺感知發展趨勢
1.3 本書主要工作和研究成果
1.3.1 主要研究內容和技術路線
1.3.2 本書主要研究成果
1.4 本書組織結構
第二章 判別式深度學習與視覺感知技術
2.1 卷積神經網絡
2.1.1 卷積的基本概念
2.1.2 卷積神經網絡的基本結構
2.1.3 優化目標函數
2.2 卷積神經網絡骨干模型
2.2.1 深度網絡優化模型
2.2.2 寬度網絡優化模型
2.2.3 復合縮放模型
2.2.4 全卷積網絡
2.3 視覺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 視覺感知中的時序模型和注意力機制
2.4.1 長短期記憶神經網絡
2.4.2 注意力機制
2.5 本章小結
第三章 基于全景分割的海面場景解析
3.1 引言
3.2 深度學習背景下的圖像分割技術
3.2.1 語義分割
3.2.2 實例分割
3.2.3 全景分割
3.3 端到端架構的全景分割方法
3.3.1 共享的Res2Net-FPN網絡結構
3.3.2 語義分割頭部
3.3.3 實例分割頭部
3.3.4 基于DSmT的全景融合方法
3.3.5 總體優化目標函數
3.4 MarPS-1395數據集的構建
3.5 實驗與結果分析
3.5.1 評估指標
3.5.2 實驗設置
3.5.3 MatPS-1395數據集上實驗與結果分析
3.5.4 MS COC0公共數據集上實驗與結果分析
3.6 本章小結
第四章 基于全局-局部特征融合的船舶目標重識別
4.1 引言
4.2 深度學習背景下的物體重識別技術
4.2.1 通用目標重識別
4.2.2 視角估計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別方法
4.3.1 船舶重識別定義
4.3.2 全局特征提取
4.3.3 判別特征的識別和提取
4.34.4 視角估計方法
4.3.5 方向引導的五元組優化目標函數
4.3.6 全局和局部特征的融合方法
4.4 VesseⅡD-539數據集的構建
4.4.1 數據采集
4.4.2 標注描述
4.4.3 數據集的劃分
4.5 實驗與結果分析
4.5.1 實驗設置
4.5.2 評價指標
4.5.3 同當前*先進方法的對比
4.5.4 可視化結果及分析
4.5.5 消融實驗及結果分析
4.6 本章小結
第五章 基于多模型多線索的船舶目標檢測后跟蹤
5.1 引言
5.2 深度學習背景下的通用物體檢測和跟蹤技術
5.2.1 基于深度學習的通用物體檢測
5.2.2 基于深度學習的通用目標跟蹤
5.3 多模型多線索檢測后跟蹤方法
5.3.1 基于YOL0的目標檢測器
5.3.2 檢測后跟蹤范式中的多模型
5.3.3 數據關聯中的多線索
5.4 實驗與結果分析
5.4.1 實驗設置
5.4.2 性能評估
5.4.3 消融實驗及結果分析
5.5 本章小結
第六章 視覺感知技術在海上智能交通管理中的應用
6.1 引 言
6.2 船舶交通管理系統(VTS)
6.2.1 VTS的系統與組織管理
6.2.2 移動VTS原型系統設計
6.3 多模態融合感知應用
6.3.1 空間域對準
6.3.2 時間域對準
6.3.3 多模態數據融合跟蹤方法
6.3.4 實驗與結果分析
6.4 船舶目標綜合識別應用
6.4.1 跨模態船舶目標綜合識別
6.4.2 實驗與結果分析
6.5 本章小結
第七章 總結與展望
7.1 本書工作總結
7.2 未來研究展望
參考文獻
附錄 作者近來年發表的論文及其他科研成果
展開全部
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
龍榆生：詞曲概論/大家小書
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
自卑與超越
- >
月亮虎
- >
二體千字文
本類暢銷
