發(fā)布時(shí)間：2021-12-25 05:17

　　在目標(biāo)識(shí)別中,隨著特征提取的技術(shù)手段發(fā)生變化,識(shí)別精準(zhǔn)度也隨之變化。采用卷積神經(jīng)網(wǎng)絡(luò)InceptionV3對(duì)船舶樣本進(jìn)行分類識(shí)別,并引入遷移學(xué)習(xí)的思想避免網(wǎng)絡(luò)的過擬合。根據(jù)防撞對(duì)象、輪廓外形、地理環(huán)境的相似性開展個(gè)性特征下的遷移學(xué)習(xí)實(shí)驗(yàn),從而實(shí)現(xiàn)高精度的船舶與關(guān)聯(lián)場景目標(biāo)的多分類識(shí)別,有力地驗(yàn)證了基于Inception V3的遷移學(xué)習(xí)對(duì)船舶的特征提取具有較強(qiáng)的泛化能力。 

【文章來源】：計(jì)算機(jī)應(yīng)用研究. 2020,37(S1)北大核心CSCD

【文章頁數(shù)】：3 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于inception v3模型的道路交通標(biāo)志識(shí)別研究[J]. 林宇,陳曉勇.  江西科學(xué). 2018(05)
[2]基于RCS統(tǒng)計(jì)特征的船舶目標(biāo)識(shí)別方法[J]. 紀(jì)永強(qiáng),劉通,徐高正,石宇豪,張玉萍,楊金鴻.  艦船科學(xué)技術(shù). 2018(13)
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)輸船舶分類識(shí)別方法[J]. 戚超,王曉峰.  微型機(jī)與應(yīng)用. 2017(17)
[4]MFSC系數(shù)特征局部有限權(quán)重共享CNN語音識(shí)別[J]. 黃玉蕾,羅曉霞,劉篤仁.  控制工程. 2017(07)
[5]谷歌TensorFlow機(jī)器學(xué)習(xí)框架及應(yīng)用[J]. 章敏敏,徐和平,王曉潔,周夢昀,洪淑月.  微型機(jī)與應(yīng)用. 2017(10)
[6]基于多特征深度學(xué)習(xí)的人臉性別識(shí)別[J]. 蔣雨欣,李松斌,劉鵬,戴瓊興.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(01)
[7]利用多層視覺網(wǎng)絡(luò)模型進(jìn)行圖像局部特征表征的方法[J]. 郎波,黃靜,危輝.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(04)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的船艦?zāi)繕?biāo)識(shí)別分類[J]. 梁錦雄,王刻奇.  艦船科學(xué)技術(shù). 2015(03)
[9]基于稀疏自編碼深度神經(jīng)網(wǎng)絡(luò)的林火圖像分類[J]. 王勇,趙儉輝,章登義,葉威.  計(jì)算機(jī)工程與應(yīng)用. 2014(24)
[10]基于Camshift的多特征自適應(yīng)融合船舶跟蹤算法[J]. 云霄,肖剛.  光電工程. 2011(05)



本文編號(hào)：3551854