一种基于视觉感知的舰船目标智能化识别方法

• 作者: 卢惠民 肖军浩 谷东亮 邵利民 马啸
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 无人作战系统 舰船目标识别 视觉感知 卷积神经网络 特征提取
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 应用基础与前沿技术
• 页码范围: 1133-1141
• 页数: 9页
• 分类号: TN911.73|TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2020.10.001

摘要

为有效识别视觉系统采集的可见光图像中的舰船目标,提出了基于YOLO(You Only Look Once)网络模型改进的10层的卷积神经网络(Convolutional Neural Network,CNN)用于水面舰船目标的智能识别,通过反卷积的方法可视化CNN中不同卷积层提取到的舰船目标特征.按照传统目标识别方法提取了舰船目标的四类典型人工设计特征,将所提CNN的舰船目标识别结果与YOLO网络模型及四类人工设计特征结合支持向量机用于舰船目标识别的结果进行比较.实验结果表明,与YOLO网络模型相比,综合精确率、召回率和效率3个舰船目标识别的性能指标,改进后的CNN性能更好,从而验证了所提方法的有效性.不同数据量下采用典型特征识别舰船目标与基于深度CNN识别舰船目标的识别结果比较说明了不同类型目标识别算法的优劣势,有利于推动综合性视觉感知框架的构建.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵利民		51	133	6.0	10.0
2	马啸		8	7	2.0	2.0
3	谷东亮		3	0	0.0	0.0
4	卢惠民		1	0	0.0	0.0
5	肖军浩		1	0	0.0	0.0