基于航迹特征和深度神经网络MobileNet的舰船分类识别方法

• 作者: 李磊 张静 王哲
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: RGB色彩空间 航迹特征提取 舰船分类识别 迁移学习
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 军事信息学
• 页码范围: 743-749
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.06.017

摘要

舰船类型的及时准确识别对于目标的意图识别、威胁预警和跟踪监视具有重要意义.提出一种基于航迹特征和深度神经网络MobileNet的舰船分类识别方法.首先,提出一种基于RGB色彩空间的航迹特征提取和转换方法,将历史航迹数据中的速度、航向和加速度等特征映射到RGB色彩空间,转换为航迹特征图像数据;其次,提出一种基于深度神经网络Mo-bileNet的迁移训练方法,对深度神经网络MobileNet及其ImageNet预训练权重进行迁移,并使用之前生成的航迹特征图像数据对网络进行训练;最后,得到舰船类型识别模型,实现船舶分类识别.实验结果表明,所提方法切实有效,与现有研究成果相比具有识别准确率高、识别速度快的特点,可有效应用于舰船目标的分类识别.