迁移学习在舰船识别中的应用

• 作者: 单玉浩 杨晓东 邢世宏
• 来源期刊: 舰船科学技术
• 学科: 工学
• 关键词: 迁移学习 舰船识别 卷积神经网络
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 电子信息
• 页码范围: 118-121
• 页数: 4页
• 分类号: TP391.4
• 字数: 1419字
• 语种: 中文
• DOI: 10.3404/j.issn.1672-7649.2018.10.023

摘要

目前舰船识别技术相对落后,大部分识别算法还是基于传统的机器学习理论.舰船识别受舰船背景、光照、遮挡等因素的影响较大,识别正确率较低,无法满足现实需求;随着深度卷积神经网络识别率正确率的不断提高,一些复杂的分类任务都得到了较好的解决.本文将深度卷积神经网络AlexNet迁移到舰船识别中,对原网络顶层进行改进,微调底层特征,采用数据扩充技术构建的舰船数据集训练调试模型,得到了有效的舰船识别模型,识别正确率达到91.08％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨晓东		89	213	8.0	10.0
2	邢世宏		5	5	1.0	2.0
3	单玉浩		5	3	1.0	1.0