基于迁移学习的海底底质声呐图像分类

• 作者: 陈佳辉 陈岚萍 夏小云 朱蓉
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 深度学习 迁移学习 声呐图像 卷积神经网络
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 仿真应用研究
• 页码范围: 229-233
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.01.049

摘要

针对海底底质分类方法缺乏自动化、分类效果不明显等问题,提出一种基于迁移学习的海底底质声呐图像分类的方法,对沙质、礁石、泥质三种底质进行了分类研究.将InceptionV3作为预训练模型,使其成为新模型的特征提取器.通过接入新的全连接层和softmax分类层,构建新模型.重新训练新模型之后准确率达到98.1％.实验表明,上述方法不仅有助于深度学习更好地处理声呐图像的小样本数据,而且比传统方法具有更高的准确率,可以作为声呐设备的附加功能.