这是我的科研之旅嘛？本科期间确实接触科研的机会挺少的，可能仅限于前几名优秀的同学，通过科研来走保研的道路，现在看来，真是明智之举，我等在大一学期根本Get不到这层，等领悟到了，已经晚矣。
疫情期间的毕设，受到了诸多方面的影响，当然，主要的影响还是自己的心态差了一点与能力弱了一点。心态上，由于复试的分数线推迟发布，我的单科线与去年差之一分，这就让我陷入比较尴尬的境地，不过还是要全力以赴准备；毕设虽然不算难，但是也要花很多时间研究，好好完成，给自己的本科画上一个圆满的句号，当然在家不比学校图书馆，我的笔记本用来训练模型也够呛，还好学会了用云主机。今年这种特殊情况，已经不奢求有仪式感的毕业了，曾期待的毕业舞会，草坪音乐会。。。。，现在只能回到学校，看看南京的春天；也希望最后的毕业照不是戴着口罩照的，如果是，那真的太遗憾了。还是好好做论文吧，争取一下。
疫情是凶猛的，我们的生活会被影响，但是我们绝对不能被打败！
下面是4月初线上给老师汇报做的PPT,当然，还有很多工作未完成。
船只的检测是遥感图像研究的热点领域，因其能广泛应用于水上交通监管、渔业管理、非法采砂监管以及船只救援等重要方面。过去常使用全天时、受天气影响较小的合成孔径雷达（SAR）图像对船只进行检测。随着光学遥感图像分辨率的不断提高，相比于 SAR 图像，光学遥感图像能够提供更为丰富的视觉信息，从而有利于船只的定位以及识别。与此同时，由于船只图像在尺度，外观上与日常图像的差异使得船只检测任务相对困难。光学遥感图像识别主要有 2 个步骤：首先对识别图像进行特征提取，再使用分类器对其分类。目前，对图像进行特征提取主要有提取局部二值模式特征、形状和灰度分布特征、海面特征等。对这些特征进行分类的算法主要有支持向量机（SVM）。但是，由于光学遥感图像易受云层、光照、海域状况、成像角度、探测器参数等多种因素的影响，使得在传统方法中人工提取特征时更加困难，而且船只的不同状态也会使得特征存在差异。同时，人工选取特征是非常耗时的，且强烈依赖于专业知识和数据本身的特征，对于目前数据量巨大的光学遥感数据不能实现高效的实时检测。因此如何有效选取既有效又省时的目标船只识别算法成为了目前需要解决的课题。近年来，由于深度卷积神经网络的发展，使得目标检测任务指标显著提高，成为本课题研究的重点。
等做完了再写吧，这久诸事交错 ：（ 总的来说，不喜欢写文章，但是有个总结回顾总是好的！多做事！
