改进的神经网络算法在舰船目标识别上的应用

• 作者: 吴建宝 王焕鹏 肖诗斌
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 舰船识别 神经网络 自我学习 特征权重
• 年，卷（期）: 2019,（3）
• 页码范围: 94-98
• 页数: 5页
• 分类号: TP391.4
• 字数: 3105字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2019.03.019

摘要

将神经网络算法应用于舰船目标识别,提出了一种基于神经网络的特征增强算法—AugNet.该算法在网络学习过程中自动分配通道特征权重,提高模型的特征抽取能力.使用AugNet改进GoogleNet模型,得到改进的神经网络算法.实验结果表明,改进算法对军舰、民船、非船三种舰船目标的识别准确率达到99.0％,对集装箱船、潜艇、货船等43种舰船目标的识别准确率达到90.21％,大幅提高舰船目标识别种类数,对特殊情况下拍摄的模糊图像,也能较好识别,能够很好地完成舰船目标识别任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖诗斌	北京信息科技大学计算机学院	25	475	8.0	21.0
5	吴建宝	北京信息科技大学计算机学院	1	1	1.0	1.0
6	王焕鹏	北京拓尔思信息技术股份有限公司研发三部	1	1	1.0	1.0