基于目标形状卷积神经网络在舰船分类中的应用

• 作者: 吴泽俊 江满星 赵彤洲
• 来源期刊: 武汉工程大学学报
• 学科: 工学
• 关键词: 卷积神经网络 目标几何形状 特征提取 目标识别 舰船
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 机电与信息工程
• 页码范围: 213-217
• 页数: 5页
• 分类号: TP391.4
• 字数: 3653字
• 语种: 中文
• DOI: 10.19843/j.cnki.CN42-1779/TQ.201911022

摘要

针对传统卷积神经网络采用通用卷积核提取目标特征造成更高的时间和空间开销的问题,提出一种适应目标几何形状的卷积核结构以替代通用卷积核,可使单个卷积核充分提取目标特征,简化目标提取过程,减少冗余计算.实验以网上收集的舰船可见光图像数据集为研究对象,实验结果表明:本方法在舰船目标识别任务中达到了99.7%的分类准确率,与目前通用的分类模型进行对比要高出约1%,训练速度是通用模型中收敛速度最快的模型的3倍.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵彤洲	武汉工程大学计算机科学与工程学院	35	113	6.0	9.0
2	江满星	武汉工程大学计算机科学与工程学院	1	0	0.0	0.0
3	吴泽俊	武汉工程大学计算机科学与工程学院	2	0	0.0	0.0