多波束聲納數(shù)據(jù)可以被處理以獲得水下聲納圖像。支持向量機（SVM）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）都是傳統(tǒng)的目標(biāo)分類和檢測方法。關(guān)于海底含油沉積物特征識別這一問題,本文分別設(shè)計了支持向量機和卷積神經(jīng)網(wǎng)絡(luò)算法,對水下聲納圖像進(jìn)行目標(biāo)特征的提取識別。經(jīng)過兩種方法試驗的對比,在同一海域提取樣本的情況下,支持向量機在識別含油沉積物的精度和速度上優(yōu)于卷積神經(jīng)網(wǎng)絡(luò)。 

【文章來源】：新型工業(yè)化. 2020,10(02)

【文章頁數(shù)】：6 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的目標(biāo)檢測技術(shù)研究進(jìn)展[J]. 吳振剛,許青林,喻梁文.  新型工業(yè)化. 2019(10)
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的彩色圖像聲吶目標(biāo)檢測[J]. 王曉,關(guān)志強,王靜,王永強.  計算機應(yīng)用. 2019(S1)
[3]基于HOG和SVM的船舶圖像分類算法[J]. 吳映錚,楊柳濤.  上海船舶運輸科學(xué)研究所學(xué)報. 2019(01)
[4]多特征混合核SVM模型的遙感影像變化檢測[J]. 劉義志,賴華榮,張丁旺,劉飛鵬,蔣小蕾,曹慶安.  國土資源遙感. 2019(01)
[5]基于計算機視覺的商場人流量檢測系統(tǒng)的設(shè)計[J]. 薛振北,李澤滔.  新型工業(yè)化. 2018(08)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的多層級目標(biāo)檢測方法[J]. 吳亞熙,岑峰.  軟件. 2018(04)
[7]基于巖石圖像深度學(xué)習(xí)的巖性自動識別與分類方法[J]. 張野,李明超,韓帥.  巖石學(xué)報. 2018(02)
[8]卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)及其應(yīng)用的研究[J]. 劉方園,王水花,張煜東.  新型工業(yè)化. 2017(11)
[9]基于卷積神經(jīng)網(wǎng)絡(luò)的手勢識別算法設(shè)計與實現(xiàn)[J]. 張斌,孫旭飛,吳一鵬.  微型機與應(yīng)用. 2017(20)
[10]基于BP神經(jīng)網(wǎng)絡(luò)和SVM的分類方法研究[J]. 王宏濤,孫劍偉.  軟件. 2015(11)

碩士論文
[1]基于SVM的圖像分類算法[D]. 高晗.吉林大學(xué) 2019
[2]基于改進(jìn)支持向量機的卷積神經(jīng)網(wǎng)絡(luò)圖像識別方法研究[D]. 劉杰.河南大學(xué) 2018



本文編號：3561699