文献综述（或调研报告）：
基于深度学习的遥感图像舰船目标检测和识别综述
摘要：随着卫星遥感技术以及计算机技术的快速发展，深度学习等相关技术应用广泛，基于深度学习的遥感图像舰船目标检测和识别是当下研究的热点方向。舰船目标的高长宽比特性，对于传统的目标检测方法有很大考验，而深度学习的相关方法可以很好的提高目标检测和识别的准确率。本文将从舰船目标检测和识别国内外研究现状展开，进而概述基于深度学习的目标检测和识别。总结出目前存在的一些问题，以及对未来的展望。
关键词：目标检测和识别，深度学习研究现状，舰船检测研究现状
1 引言
我国辽阔的领土疆域中，海洋占比巨大，然而因为历史原因，诸多海洋和权益存在争议。近十年来，我国遭遇了撞船事件和船员被押扣事件，这些海面争端事件严重影响我国主权，因此加强海洋国防，海洋监控至关重要。
传统的舰船目标检测与识别方法分为两种：触发式和非触发式[1]。前一种工作基础是探测器与舰船进行接触识别，局限性大。后一种的工作理论是通过物理学中场域知识，分析舰船。另外，还有一些经典的图像处理方法，如小波变换等。然而以上方法的检测效果不佳，基于深度学习的遥感图像目标检测方法的优势渐显。
随着计算机视觉和深度学习的快速发展，相关目标检测技术得到广泛应用，如：自动船检、图像识别、智能机器人等。通过深度学习框架，无需人工设计特征，直接对遥感图像中目标特征进行学习和提取，提高了精度与效率。
2舰船检测与识别研究现状
受图像数据来源限制和海域环境限制，舰船目标检测具有一定局限性。当前主要研究分为以下三种：对合成孔径雷达(SAR)和舰船图像和红外舰船图像进行研究[2]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
