深度学习及其在海洋目标检测中的应用

　　全书共分6章。第1章 深度学习理论基础，阐述了人工智能、机器学习、深度学习理论、技术和方法以及三者之间的关系。第2章 人工神经网络模型，总结介绍了神经网络的架构、类型、工作原理和优化训练方法。第3章 卷积神经网络，分析论述了深度学习的典型算法——卷积神经网络的构成、机理、发展和应用，探讨了深度学习的前沿模型——图卷积神经网络和图注意力网络的机制、优势和实现方法。第4章 海洋硬目标检测DL模型构建，将深度学习引入到海洋目标检测领域，基于CNN构建了针对硬目标检测的深度学习模型——OceanTDAx系列模型，并对模型进行训练、优化和评估，在此基础上采用所构建的模型进行海洋目标检测实验。第5章海洋分布目标检测DL模型构建，构建了针对海洋分布目标检测的深度学习模型——OceanTDLx系列模型，并对模型进行训练、优化和目标检测实验。第6章基于多核并行架构的海洋目标检测，设计了OISPMDA-FDB多核并行架构，实现基于CNN初检的CFAR海洋目标提取、卡方分布临界值海洋目标提取、基于loglogistic的海洋目标提取、基于伴方差修正模型的复杂海况的海洋目标提取，共执行了4类30个海洋目标参数并行提取实验。

　　柳林，博士，硕士生导师，山东科技大学测绘学院副教授，山东省“泰山学者”建设工程团队骨干成员，青岛市第十届青年科技奖获得者，青岛黄岛新区拔尖人才，教育部“长江学者”函评专家，IEEE J-STARS、Ocean and Coastal Management知名SCI期刊及国内《测绘科学》等核心期刊审稿人。主要从事GIS、海洋GIS、智慧城市相关教学、科研工作，已出版专著1部，发表文章30余篇（其中检索9篇），获得专利等知识产权20余项。出版专著3部

暂缺《深度学习及其在海洋目标检测中的应用》目录