一种基于多尺度卷积神经网络的被动水声目标识别方法.pdf
书生****专家
亲,该文档总共11页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于多尺度卷积神经网络的被动水声目标识别方法.pdf
本发明公开了一种基于多尺度卷积神经网络的被动水声目标识别方法,该方法结合人工特征提取经验,将时频域幅度图和相位图作为神经网络输入,在更明显的体现目标特征的同时,将全部信息输入网络,有利用后续自适应特征提取过程;然后根据水下目标特点,设计了一种多尺度卷积神经网络进行自适应特征提取,并利用深度神经网络进行识别。在获取新的目标辐射噪声后,可对模型再次训练,使网络识别能力不断提高。
基于多尺度卷积神经网络的雷达HRRP目标识别方法.pdf
本发明公开了一种基于多尺度卷积神经网络的雷达HRRP目标识别方法,该方法首先进行预处理降低HRRP样本中的敏感性,然后后接的多尺度卷积神经网络可在保留HRRP样本内所蕴含的序列相关性同时,提取出HRRP包络中所含的信息,最后采用基于RNN的深度学习方法进行目标识别:该方法基于序列相关性进行建模,对物理结构特征进行建模描述,最后通过softmax进行分类识别。
一种基于多尺度深度卷积神经网络的全场位移在线识别方法.pdf
本发明提供一种基于多尺度深度卷积神经网络的全场位移在线识别方法包括步骤1,建立散斑图像‑位移数据集,标识出散斑图像对应的位移;步骤2,根据散斑图像的位移,将其分为不同尺度的数据集,并将散斑图裁剪到相应的尺寸;步骤3,构建基于深度学习的多尺度卷积神经网络,自动判断输入的散斑图的尺度,并输出相应的位移。本发明提出的多尺度神经网络,通过融合多个单尺度上学习到的位移信息,实现位移场的准确预测,并通过设计实验对所提方法的有效性进行验证,结果表明所提出的全场位移在线识别方法可提供准确的位移预测结果。
一种基于多尺度卷积胶囊网络的雷达目标识别方法.pdf
本发明公开了一种基于多尺度卷积胶囊网络的雷达目标识别方法,利用改进的深度学习网络即多尺度卷积胶囊网络对目标HRRP进行识别分类,融合了泛化能力强的网络来充分捕捉HRRP中有效的结构信息,在构建复杂模型的同时还优化了网络中的参数,实现更快的收敛和更高的识别性能,基于CNN获取局部结构信息的能力和Inception结构,提出了多尺度CNN结构,从多个角度详细捕捉HRRP目标的不同层次的可分信息,增加了网络的稀疏性。同时将更鲁棒的胶囊网络作为CNN的补充,弥补了CNN难以体现目标HRRP序列结构信息的不足,以更
一种基于多尺度卷积神经网络的交通场景分类方法.pdf
本发明公开了一种交通场景多目标分类方法,包括以下步骤:提取基于多尺度卷积神经网络的隐性特征;获取最优覆盖分割树。本发明在实现交通场景分类的过程中,采用多尺度卷积神经网络,通过对原始图像在不同尺度上有效提取具有不变性的优秀隐性特征,相比于单一尺度的卷积神经网络,实现了图像更加丰富有效特征信息的获取。本发明通过将卷积神经网络提取的有效信息与图像的原始分割树结合,形成最优纯度代价树,并进行最优纯度的覆盖,实现了获得更加清晰的目标轮廓,增加了分类的准确性。本发明通过将RGB‑D作为卷积神经网络输入,相比传统RGB