基于"Four-hot"编码和Transformer-LSTM模型的船型识别方法

• 作者: 王哲 张静 李磊 蒋俊
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: "Four-hot"编码 船型识别 Transformer模型 长短时记忆(LSTM)
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 军事信息学
• 页码范围: 756-763
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2021.06.019

摘要

为克服依靠图像数据进行识别的局限,使用航迹数据和深度学习方法是当前船型识别的热门方案.针对船型识别任务中常用的长短时记忆(Long Short Term Memory,LSTM)网络对航迹数据特征提取的性能饱和问题,提出了一种基于"Four-hot"编码和Transformer-LSTM神经网络模型的船型识别方法.首先将航迹数据编码为"Four-hot"向量形式;然后构建由Transformer编码模块和LSTM网络级联的Transformer-LSTM神经网络模型,用LSTM网络对Transformer输出的高层表示进行二次学习.在船舶自动识别系统(Automatic Identification System,AIS)数据集上的实验结果显示,所提出的方法在测试集上的加权平均F1分数(Weighted Average F1,WAF1)比未编码航迹数据经5类实验模型直接训练和测试得到的值高3.09百分点以上.