Детальная информация

Не Цзиньлян. Обнаружение судов по данным аэрофотосъёмки с использованием свёрточной нейронной сети [Электронный ресурс] = Detection of vessels by aerial photography using a convolutional neural network: выпускная квалификационная работа магистра: 09.04.01 - Информатика и вычислительная техника ; 09.04.01_17 - Интеллектуальные системы (международная образовательная программа на иностранном языке) / Не Цзиньлян; Санкт-Петербургский политехнический университет Петра Великого, Институт компьютерных наук и технологий ; науч. рук. Г. Ф. Малыхина ; консультант по нормоконтролю Л. А. Киселева. — Электрон. текстовые дан. (1 файл : 17,8 Мб). — Санкт-Петербург, 2019. — Загл. с титул. экрана. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Adobe Acrobat Reader 7.0. — <URL:http://elib.spbstu.ru/dl/3/2019/vr/vr19-1073.pdf>. — <URL:http://doi.org/10.18720/SPBPU/3/2019/vr/vr19-1073>. — <URL:http://elib.spbstu.ru/dl/3/2019/vr/rev/vr19-1073-o.pdf>. — <URL:http://elib.spbstu.ru/dl/3/2019/vr/rev/vr19-1073-r.pdf>. — <URL:http://elib.spbstu.ru/dl/3/2019/vr/rev/vr19-1073-a.pdf>.

Дата создания записи: 15.07.2019

Тематика: Суда; Распознавание образов; Нейронные сети; обнаружение судов; свёрточная нейронная сеть; сетевая структура Mask R-CNN; улучшение структуры классификатора; улучшенный алгоритм Mask R-CNN

УДК: 004.932.72'1:629.5(043.3); 004.032.26(043.3)

Коллекции: Выпускные квалификационные работы; Общая коллекция

Ссылки: DOI; Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований

Разрешенные действия: Прочитать Загрузить (17,8 Мб) Для чтения документа необходим Flash Player

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

В связи с быстро растущим движением судов все больше судов увеличивают вероятность нарушений в открытом море, таких как незаконное перемещение грузов, незаконный лов рыбы, незаконное вторжение, пиратство. Таким образом, цель этого тезиса состоит в том, чтобы создать модель, способную как можно быстрее обнаруживать все корабли на спутниковых изображениях для лучшей борьбы с этой незаконной деятельностью или оказания гуманитарной помощи в открытом море. Для страны обнаружение судов также связано с экономическим развитием страны и национальной безопасностью, и обнаружение судов может использоваться не только для спасательных работ терпящих бедствие судов, но также для борьбы с незаконными рыболовными судами, незаконным сбросом мусорных судов, борьбой с контрабандой корабли и борьба с пиратством. Этот тезис изучает новейшую сверточную нейронную сеть (Mask R-CNN и U-Net) и применяет ее для обнаружения и сегментации корабля по статическим спутниковым изображениям, в основном для выполнения следующих работ: 1) Мы изучили структуру и принцип работы сверточной нейронной сети при обнаружении объектов и нейронной сети, такой как R-CNN, SSPNet, Fast R-CNN, Faster R-CNN и Mask R-CNN, которые представляют текущий объект обнаружения поля, изучаются отдельно. Посредством исследования и сравнения каждой сетевой структуры мы можем интуитивно понять принцип построения каждой сети и, таким образом, более четко знаем преимущества сетевой структуры Mask R-CNN при обнаружении объектов. 2) Усовершенствована маска R-CNN. Основные улучшения включают в себя: улучшение структуры сети извлечения признаков, улучшение структуры классификатора окна предложений и улучшение алгоритма подавления не максимальных значений. 3) Мы анализируем экспериментальные результаты, экспериментальную среду и экспериментальные данные. Затем объясняется, как провести предварительную обработку экспериментальных данных. Наконец, экспериментальные результаты показывают, что улучшенный алгоритм Mask R-CNN является надежным для обнаружения корабля.

With fast growing of shipping traffic, more ships increase the chances of infractions at open seas like illegal cargo movement, illegal fishing, illegal invasion ,piracy. Thus, the purpose of this thesis is to build a model that can detects all ships in satellite images as quickly as possible, for better combating those illegal activities or carry out humanitarian assistance on the open seas. For a country ship detection also is related to the country's economic development and national security, and ship detection can be used not only for rescue work of ships in distress, but also for combating illegal fishing vessels, illegal dumping of garbage ships, combating smuggling of ships, and combating piracy. This thesis studies the latest convolutional neural network (Mask R-CNN and U-Net) and applies it to the detection and segmentation of ship in static satellite images, mainly to complete the following work: 1) We studied structure and working principle of convolutional neural network in object detection and the neural network like R-CNN, SSPNet, Fast R-CNN, Faster R-CNN, and Mask R-CNN, which are representative of the current object detection field, are studied separately. Through the research and comparison of each network structure, we can intuitively understand the construction principle of each network, and thus more clearly knows the advantages of Mask R-CNN network structure in object detection. 2) We improved Mask R-CNN. The main improvements include: feature extraction network structure improvement, proposal window classifier structure improvement, and non-maximum value suppression algorithm improvement. 3) We analysis experimental results, experimental environment, and experimental data. Then explains how to preprocess the experimental data. Finally, the experimental results shows that the improved Mask R-CNN algorithm is robust to ship detection.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
-> Интернет Все Прочитать Печать Загрузить

Оглавление

  • ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА МАГИСТРА
  • ЗАДАНИЕ

Статистика использования документа

stat Количество обращений: 0
За последние 30 дней: 0
Подробная статистика