小样本情况基于深度学习的水下目标识别研究

• 作者: 杨长生 梁红 金磊磊
• 来源期刊: 武汉理工大学学报（交通科学与工程版）
• 学科: 工学
• 关键词: 水下目标 图像识别 深度学习 小样本 卷积神经网络
• 年，卷（期）: 2019,（1）
• 页码范围: 6-10
• 页数: 5页
• 分类号: TP391.41
• 字数: 4374字
• 语种: 中文
• DOI: 10.3963/j.issn.2095-3844.2019.01.002

摘要

水下自动目标识别一直是具有挑战性的任务.针对海洋环境下目标图像数据获取困难,样本数量不足以训练深层神经网络这一问题,提出小样本情况下基于深度学习的水下图像识别方法.利用提出的改进中值滤波器抑制水下小样本集图像的脉冲噪声;然后,采用ImageNet图像数据集对搭建的深度卷积神经网络模型进行预训练;使用水下降噪图像对经过预训练的神经网络进行参数微调.利用海洋鱼类图像数据集对完成训练的卷积网络性能进行验证,取得85.08％ 的正确识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁红	西北工业大学航海学院	62	394	11.0	17.0
2	杨长生	西北工业大学航海学院	25	62	5.0	6.0
3	金磊磊	西北工业大学航海学院	5	31	4.0	5.0