基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为提高现代战争过程中对敌军飞机的识别能力,针对军用飞机样本量少、不同视角条件下形变明显的特点,提出一种融入center loss的卷积神经网络与ANN分类器结合的飞机类型识别方法.首先利用3Dmax软件制作的6000张5类飞机图片对构建的多层CNN模型进行训练,并利用这些图片的CNN特征训练ANN分类器,然后用训练好的网络模型和分类器对真实飞机样本进行预测分类.实验结果表明:在样本量少且目标形状复杂的情况下,该方法对5类军事飞机的识别精度可达到97.17%,是一种切实可行的飞机类型识别算法.
推荐文章
基于卷积神经网络迁移学习的飞机目标识别
飞机目标识别
卷积神经网络
小样本
迁移学习
基于密集卷积神经网络的遥感飞机识别
密集卷积神经网络
目标识别
中心损失
联合监督
方向梯度直方图
卷积神经网络在岩性识别中的应用
测井解释
深度学习
卷积神经网络
岩性识别
卷积神经网络在SAR目标识别中的应用
SAR目标识别
卷积神经网络
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 卷积神经网络在飞机类型识别中的应用
来源期刊 兵工自动化 学科 工学
关键词 飞机识别 卷积神经网络 ANN分类器 center loss约束
年,卷(期) 2017,(12) 所属期刊栏目 机器人技术与应用
研究方向 页码范围 71-75
页数 5页 分类号 TP183
字数 3855字 语种 中文
DOI 10.7690/bgzdh.2017.12.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 雍杨 西南技术物理研究所三部 12 51 4.0 6.0
2 欧阳瑞麒 西南技术物理研究所三部 1 1 1.0 1.0
3 王兵学 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (26)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (4)
二级引证文献  (0)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
飞机识别
卷积神经网络
ANN分类器
center loss约束
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
兵工自动化
月刊
1006-1576
51-1419/TP
大16开
四川省绵阳市207信箱
1982
chi
出版文献量(篇)
6566
总下载数(次)
20
总被引数(次)
28636
论文1v1指导