节点文献

改进的神经网络算法在舰船目标识别上的应用

免费订阅

【作者】 吴建宝肖诗斌王焕鹏

【Author】 WU Jianbao;XIAO Shibin;WANG Huanpeng;Computer School,Beijing Information Science& Technology University;Beijing TRS Information Technology Co.,Ltd;

【通讯作者】 王焕鹏;

【机构】 北京信息科技大学计算机学院北京拓尔思信息技术股份有限公司研发三部

【摘要】 将神经网络算法应用于舰船目标识别,提出了一种基于神经网络的特征增强算法——AugNet。该算法在网络学习过程中自动分配通道特征权重,提高模型的特征抽取能力。使用AugNet改进GoogleNet模型,得到改进的神经网络算法。实验结果表明,改进算法对军舰、民船、非船三种舰船目标的识别准确率达到99. 0%,对集装箱船、潜艇、货船等43种舰船目标的识别准确率达到90. 21%,大幅提高舰船目标识别种类数,对特殊情况下拍摄的模糊图像,也能较好识别,能够很好地完成舰船目标识别任务。

【关键词】 舰船识别神经网络自我学习特征权重
  • 【DOI】10.16508/j.cnki.11-5866/n.2019.03.019
  • 【分类号】U674.7;TP391.41;TP183
  • 【下载频次】70
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: