论文摘要
针对使用传统方法和神经网络对飞机目标分类时遇到的准确率低、分类种类少等问题,研究了深度卷积神经网络(DCNN)在飞机目标分类中的可行性。为了匹配模型容量、避免过拟合、提高分类性能等,设计了9层DCNN模型,并使用随机梯度下降优化器进行优化。在数据集中选用6类具有代表性的飞机类型进行实验,提出两种正则化级联方式以防止过拟合并加快模型收敛,最终实现了99.1%的飞机分类准确率,由此说明该DCNN模型在飞机目标分类中的有效性。通过归一化混淆矩阵分析分类结果,给出了每类飞机自分类的准确率。此外,设计了一组对比实验,用经典的AlexNet在同一数据集上进行测试,结果表明,所设计的DCNN的准确率高于AlexNet分类算法95.5%。该模型有效地解决了飞机目标分类精度低的问题,在军事和民航飞机目标的分类研究中具有一定的参考价值和应用前景。
论文目录
文章来源
类型: 期刊论文
作者: 马俊成,赵红东,杨东旭,康晴
关键词: 图像处理,深度卷积神经网络,飞机目标,图像分类,高分类精度,归一化混淆矩阵
来源: 激光与光电子学进展 2019年23期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 河北工业大学电子信息工程学院
基金: 光电信息控制和安全技术重点实验室基金(614210701041705)
分类号: TP391.41;TP183
页码: 116-122
总页数: 7
文件大小: 529K
下载量: 212