一种利用迁移学习训练卷积神经网络的声呐图像识别方法

• 作者: 付学志 朱兆彤 胡友峰
• 来源期刊: 水下无人系统学报
• 关键词: 声呐成像 目标自动识别 卷积神经网络 迁移学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 工程应用
• 页码范围: 89-96
• 页数: 8页
• 分类号: TB566|TN911.73
• 语种: 中文
• DOI: 10.11993/j.issn.2096-3920.2020.01.013

摘要

针对利用传统训练方法进行声呐图像识别时缺乏数据的问题,文中提出一种利用迁移学习训练卷积神经网络(cNN)实现声呐图像识别的方法.基于迁移学习的原理,通过对已有的预训练网络进行微调与重新训练,以减小对训练数据量的需求.随后利用缩比模型水池试验验证了该方法的有效性.试验结果表明,基于AlexNet预训练网络,相比传统的学习方法,迁移学习方法可以利用较少的训练数据,在较短的时间内通过训练达到95.81％的识别率.试验还对比了基于6种预训练网络进行迁移学习后的网络性能,结果表明基于VGG16的迁移网络识别率最高,可达到99.48％.最后,试验结果验证了CNN具有一定的噪声容忍能力,在较强噪声背景下,能保证较高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱兆彤		1	0	0.0	0.0
2	胡友峰		4	1	1.0	1.0