适用于水下目标识别的快速降维卷积模型

• 作者: 何鸣 周连科 商晓宇 王念滨 王红滨
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 水下目标识别 注意力模型 快速降维 卷积神经网络 预处理 矢量化 水听器
• 年，卷（期）: 2019,（7）
• 页码范围: 1327-1333
• 页数: 7页
• 分类号: TP183
• 字数: 4150字
• 语种: 中文
• DOI: 10.11990/jheu.201805113

摘要

针对传统卷积神经网络在相对较小的数据集上训练容易过拟合的问题,本文提出一个适用于水下目标识别的快速降维卷积网络模型(FRD-CMA).该模型基于卷积核与特征图对应关系描述模型在数据集上的注意力,并以此进行快速降维,从而降低模型在小数据集上应用时存在的过拟合风险.FRD-CMA模型支持水下目标辐射噪声的端到端处理,通过提取辐射噪声的声音特征并依照水听器的时序关系进行矢量化处理,可以保持模型源输入特征不被破坏.试验结果表明:相较于之前的水下目标识别任务,FRD-CMA模型识别率提高5％,且模型训练时间缩短30％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周连科	哈尔滨工程大学计算机科学与技术学院	7	12	2.0	3.0
2	王念滨	哈尔滨工程大学计算机科学与技术学院	24	263	9.0	15.0
3	何鸣	哈尔滨工程大学计算机科学与技术学院	10	32	3.0	5.0
5	王红滨	哈尔滨工程大学计算机科学与技术学院	20	115	7.0	9.0
8	商晓宇		1	1	1.0	1.0