基于卷积神经网络的军事图像分类

• 作者: 高惠琳
• 来源期刊: 计算机应用研究
• 关键词: 军事图像分类 深度学习 卷积神经网络 主成分分析白化 随机池化
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3518-3520
• 页数: 3页
• 分类号: TP391.41|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.11.071

摘要

由于军事背景下战场上不同目标的相似度极高以及复杂情况下的分类识别率不高,传统视觉特征的分类精度已不能满足要求.针对含有特定军事目标的大规模图像分类问题,构造了一种新的基于主成分分析(principal components analysis,PCA)白化的卷积神经网络结构,有效地降低了数据间的相关性,加强了学习能力,提高了目标分类的准确率.利用大规模的军事图像数据集对该模型进行了识别精度评估,实验表明,与基于视觉特征的词袋模型以及经典的卷积神经网络分类算法相比,该算法对于军事目标的分类精度有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高惠琳	北京理工大学自动化学院	1	26	1.0	1.0