一种基于深度学习的海上船舶识别方法.pdf
猫巷****志敏
亲,该文档总共12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
一种基于深度学习的海上船舶识别方法.pdf
一种基于深度学习的海上船舶识别方法,属于图像处理领域。首先通过无人机拍摄海面照片,海面照片构成数据集;对海面照片进行预处理;基于深度学习的用于无人机的海上船只识别方法构造的是解码与编码皆为5层的U型升级网络,每个U型神经网络中增加了残差块;预处理后的训练集送入U型神经网络,使用Adam梯度下降进行训练,训练过程中利用验证集来判断网络的精确度,并保留网络参数;然后将测试集输入训练好的网络中,将测试集输入U型神经网络中,使用交叉熵代价函数获得损失值,但不进行反向传播,并将得到的结果与真实标签图进行对比,以此来
一种基于深度学习的船舶黑烟识别方法.pdf
本发明公开了一种基于深度学习的船舶黑烟识别方法,包括如下步骤:S1、构建数据集;S2、数据集预处理;S3、构建船舶黑烟识别模型;S4、实时监测。该方法基于改进的YOLOv4网络模型,通过对损失函数进行针对性的修改来增加困难样本的损失权重,进而能够克服黑烟样本集不均衡的所带来的识别困难。该方法在高识别精度的基础上保持较快的识别速度,可以满足相关管理部门对船舶黑烟识别的准确性、实时性需求,同时适用于图片检测和视频检测。此外,本发明所提出的混合马赛克数据扩增方法能够保证网络模型在单GPU环境下稳定、高速训练,
一种基于图像深度学习的海上目标识别方法.pdf
本发明涉及一种基于图像深度学习的海上目标识别方法,属于人工智能图像识别相关技术领域。为快速准确的识别出海上目标,满足态势评定与威胁评估的需要,为指挥决策提供重要依据,本发明提供了一种基于图像深度学习的海上目标识别方法。对比传统海上识别目标的方式,本发明技术方案的准确性、时效性、智能化程度都得到了极大提高。
一种基于事件相机的海上船舶目标识别方法.pdf
本发明公开了一种基于事件相机的海上船舶目标识别方法。为了克服现有技术的异步稀疏的事件数据无法直接利用当前主流的卷积神经网络结构进行处理的问题;本发明依次包括事件数据采集,事件数据滤波,事件表征提取,海上船舶目标检测和海上船舶目标识别的过程,通过事件相机采集的事件数据,相较于传统图像和视频更低能耗地进行海上船舶目标识别任务。通过事件滤波和事件表征提取手段,将异步稀疏的事件数据转换为类似图像的同步事件表征,能够直接利用卷积神经网络进行处理。
一种基于深度学习的场景识别方法.pdf
本发明公开了一种基于深度学习的场景识别方法,包括:对待识别的原始图片进行预处理,获得尺寸和通道一致的待识别图像;构建深度学习网络,并对所述深度学习网络进行训练,获得训练后的深度学习网络模型,其中,所述深度学习网络包括目标检测网络单元、场景识别网络单元、第一特征融合单元、注意力网络单元以及第二特征融合单元;将所述待识别图像输入训练后的深度学习网络模型中,获得图像的场景识别结果。本发明通过低‑高层特征的融合,结合注意力机制,增加图像特征中的细节信息,可以对原始图片进行有效的场景分类。