深度学习在水下目标被动识别中的应用进展

• 作者: 徐及 李琛 颜永红 黄兆琼
• 来源期刊: 信号处理
• 学科: 物理学
• 关键词: 深度学习 目标识别 被动声纳信号处理
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 综述
• 页码范围: 1460-1475
• 页数: 16页
• 分类号: O427.9
• 字数: 12737字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2019.09.003

摘要

近年来,随着深度学习方法在理论上取得一系列突破性进展,其展现出相对于传统机器学习方法的明显优势.在实际应用方面,深度学习借助其出色的特征学习能力,首先在语音和图像领域取得巨大成功,并迅速引起其他领域研究者们的重点关注.本文对现阶段深度学习在水下目标被动识别领域中的国内外研究进展和应用情况进行梳理总结,包括水下目标被动识别中常用的深度神经网络结构、深度学习对特征提取环节产生的影响以及数据匮乏条件下的建模方法.针对实际应用场景所面临的挑战,本文对未来一些可能的研究方向进行了展望,供广大研究人员参考借鉴.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜永红	中国科学院声学研究所	94	586	14.0	20.0
10	李琛	中国科学院声学研究所	27	449	11.0	21.0
14	徐及	中国科学院声学研究所	3	3	1.0	1.0
18	黄兆琼	中国科学院声学研究所	1	1	1.0	1.0