论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 吴建宝,肖诗斌,王焕鹏
关键词: 舰船识别,神经网络,自我学习,特征权重
来源: 北京信息科技大学学报(自然科学版) 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 武器工业与军事技术,船舶工业,计算机软件及计算机应用,自动化技术
单位: 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
分类号: U674.7;TP391.41;TP183
DOI: 10.16508/j.cnki.11-5866/n.2019.03.019
页码: 94-98
总页数: 5
文件大小: 236K
下载量: 217