基于卷积神经网络的水下目标特征提取方法.pdf

基于卷积神经网络的水下目标特征提取方法王念滨;何鸣;王红滨;郎泽宇【期刊名称】《系统工程与电子技术》【年(卷),期】2018(040)006【摘要】针对水下目标特征提取问题,在卷积神经网的基础上,提出了一种新的网络结构.该框架通过引入特征图多维加权层,强化了特征图的空间信息,弥补了进入全连接层时空间特征的丢失.以层次结构构造一个集特征提取和分类器训练于一体的端到端网络,同时利用深度网络的反向传播完成分类器对特征提取的反馈以改进特征的效果.在仿真模拟实验上,该网络框架分类目标达到了78.61％的精度,与其他方法相比,有效提高了目标的识别精度.所提框架有效分类识别水下目标能,具有良好的识别精度,且具备模块化结构,无需复杂预处理,实现简单.【总页数】7页(P1197-1203)【作者】王念滨;何鸣;王红滨;郎泽宇【作者单位】哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001;哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001;黑龙江科技大学计算机与信息工程学院,黑龙江哈尔滨150022;哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001;哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001【正文语种】中文【中图分类】TP183【相关文献】1.基于心理声学参数的水下目标识别特征提取方法[J],汪洋;孙进才;陈克安;付莉莉2.基于子波变换的水下目标辐射噪声特征提取方法[J],杨日杰;杨春英;王日宏3.基于递归图和近似熵的水下目标特征提取方法[J],凌继平;黄定东;邓异;刘仁杰4.基于卷积神经网络的文档特征提取方法[J],刘钢;李宗晨;郭建伟5.基于级联卷积神经网络的手势特征提取方法[J],陈金龙;瞿元昊;杨明浩;强保华;唐仁俊;朱庆杰因版权原因，仅展示原文概要，查看原文内容请购买