本文選題：卷積神經(jīng)網(wǎng)絡(luò)(CNN)　切入點：支持向量機(SVM)　出處：《北京航空航天大學(xué)學(xué)報》2017年09期 　論文類型：期刊論文

【摘要】：針對遙感圖像背景復(fù)雜、受環(huán)境因素影響大的問題,提出一種將卷積神經(jīng)網(wǎng)絡(luò)(CNN)與支持向量機(SVM)相結(jié)合的艦船目標(biāo)檢測方法,利用卷積神經(jīng)網(wǎng)絡(luò)可自主提取圖像特征并進(jìn)行學(xué)習(xí)的優(yōu)點,避免了復(fù)雜的特征選擇和提取過程,在復(fù)雜海況背景圖像的處理中體現(xiàn)出較優(yōu)的性能;同時,由于軍艦樣本獲取難度大,應(yīng)用遷移學(xué)習(xí)的概念,利用大量民船樣本輔助軍艦?zāi)繕?biāo)的檢測,取得較好的效果。通過參數(shù)調(diào)整與實驗驗證,此方法在自行建立的測試集上檢測率達(dá)到90.59%,對光照、環(huán)境等外界因素具有一定程度的魯棒性。
[Abstract]:Aiming at the problem that the background of remote sensing image is complex and greatly influenced by environmental factors, a ship target detection method combining convolution neural network (CNN) and support vector machine (SVM) is proposed. By using convolutional neural network to extract image features and learn them independently, the complex feature selection and extraction process is avoided, and the performance of image processing in complex sea condition background image is improved, at the same time, Because of the difficulty of obtaining the samples of warships, the concept of migration learning is applied, and a large number of samples of civilian ships are used to assist the detection of warship targets, and good results are obtained. The detection rate of this method is 90.59 on the test set, which is robust to external factors such as light, environment and so on.
【作者單位】： 北京航空航天大學(xué)宇航學(xué)院;北京航空航天大學(xué)數(shù)字媒體北京市重點實驗室;
【基金】：國家重點研發(fā)計劃(2016YFB0501300,2016YFB0501302) 國家自然科學(xué)基金(61501009,61371134,61071137) 航天科技創(chuàng)新基金~~
【分類號】：TP183;TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃洪鐘,李海濱;有限元的神經(jīng)網(wǎng)絡(luò)計算方法研究[J];機械強度;2003年03期

2 彭磊;田麗;;基于神經(jīng)網(wǎng)絡(luò)消除噪聲技術(shù)的研究[J];黑龍江科技信息;2009年16期

3 林建輝,陳建政,陳琳;基于神經(jīng)網(wǎng)絡(luò)的轉(zhuǎn)子動力系統(tǒng)穩(wěn)定性辨識[J];機械科學(xué)與技術(shù);1999年02期

4 熊日華,王世昌;神經(jīng)網(wǎng)絡(luò)在膜技術(shù)中的應(yīng)用[J];膜科學(xué)與技術(shù);2003年06期

5 高強;錢林方;侯遠(yuǎn)龍;王力;;泵控缸電液位置伺服系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制[J];機床與液壓;2008年06期

6 緱新科;崔明月;;神經(jīng)網(wǎng)絡(luò)-遺傳算法在振動控制系統(tǒng)中的應(yīng)用[J];機械設(shè)計與制造;2009年08期

7 于祥;趙冬至;張豐收;肖忠峰;;基于神經(jīng)網(wǎng)絡(luò)的紅樹林景觀特性遙感提取技術(shù)研究[J];海洋環(huán)境科學(xué);2007年06期

8 國蓉;何鎮(zhèn)安;;基于多級神經(jīng)網(wǎng)絡(luò)的被動聲定位算法研究[J];計算機應(yīng)用研究;2011年06期

9 石小云;;基于SOM神經(jīng)網(wǎng)絡(luò)的靜止衛(wèi)星云圖分類[J];電子設(shè)計工程;2011年16期

10 丁國良,張春路,李灝;神經(jīng)網(wǎng)絡(luò)在空調(diào)器仿真中的應(yīng)用研究[J];制冷學(xué)報;1999年02期

相關(guān)會議論文 前10條

1 徐慧;徐海樵;張必銀;;基于LVQ神經(jīng)網(wǎng)絡(luò)的水聲目標(biāo)識別技術(shù)[A];中國造船工程學(xué)會電子技術(shù)學(xué)術(shù)委員會——2012年水下復(fù)雜戰(zhàn)場環(huán)境目標(biāo)識別與對抗及仿真技術(shù)學(xué)術(shù)交流論文集[C];2012年

2 張彼德;;汽輪發(fā)電機組振動多故障診斷的神經(jīng)網(wǎng)絡(luò)方法研究[A];第八屆全國振動理論及應(yīng)用學(xué)術(shù)會議論文集摘要[C];2003年

3 金鳳;;基于神經(jīng)網(wǎng)絡(luò)與理想解的多屬性決策[A];第四屆全國船舶與海洋工程學(xué)術(shù)會議論文集[C];2009年

4 吳寶志;袁曉梅;;基于神經(jīng)網(wǎng)絡(luò)的汽車空調(diào)系統(tǒng)變工況運行的仿真研究[A];第九屆全國冷水機組與熱泵技術(shù)學(xué)術(shù)會議論文集[C];1999年

5 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自適應(yīng)控制[A];液壓與氣動學(xué)術(shù)研討會論文集[C];2004年

6 于洪潔;彭建華;;具有非線性耦合函數(shù)的HR神經(jīng)網(wǎng)絡(luò)的混沌同步[A];中國力學(xué)學(xué)會學(xué)術(shù)大會'2005論文摘要集（下）[C];2005年

7 黎啟柏;桂佩佩;韓君;;二次調(diào)節(jié)控制系統(tǒng)的模糊-神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)自適應(yīng)控制[A];第三屆全國流體傳動及控制工程學(xué)術(shù)會議論文集（第三卷）[C];2004年

8 王祥厚;李程遠(yuǎn);;臺階爆破巖石塊度預(yù)測的神經(jīng)網(wǎng)絡(luò)[A];第七屆全國工程爆破學(xué)術(shù)會議論文集[C];2001年

9 潘濱;陳劍平;李曉茹;;改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在巖質(zhì)邊坡穩(wěn)定性分析中的應(yīng)用[A];第八屆全國工程地質(zhì)大會論文集[C];2008年

10 鐘小麗;謝菠蓀;;使用神經(jīng)網(wǎng)絡(luò)進(jìn)行中垂面頭相關(guān)傳輸函數(shù)外插[A];中國聲學(xué)學(xué)會2005年青年學(xué)術(shù)會議[CYCA'05]論文集[C];2005年

相關(guān)博士學(xué)位論文 前2條

1 李廣博;Fourier正交基神經(jīng)網(wǎng)絡(luò)加權(quán)響應(yīng)面法的結(jié)構(gòu)可靠性分析[D];吉林大學(xué);2014年

2 李英偉;基于增量改進(jìn)BP神經(jīng)網(wǎng)絡(luò)微波深度干燥模型及應(yīng)用研究[D];昆明理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 吳航;基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像配準(zhǔn)方法[D];南昌大學(xué);2015年

2 黃偉明;基于神經(jīng)網(wǎng)絡(luò)的LED可靠性分析模型研究[D];華南理工大學(xué);2016年

3 宋欣益;基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜數(shù)據(jù)分類方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 王艦鋒;基于卷積神經(jīng)網(wǎng)絡(luò)的衛(wèi)星云量計算[D];南京信息工程大學(xué);2016年

5 邢凱;基于神經(jīng)網(wǎng)絡(luò)和Contourlet的遙感圖像分類處理[D];黑龍江大學(xué);2016年

6 王杰;基于遺傳算法神經(jīng)網(wǎng)絡(luò)的某制冷空調(diào)系統(tǒng)性能預(yù)測研究[D];華中科技大學(xué);2015年

7 孟春林;神經(jīng)網(wǎng)絡(luò)PID在熱交換器中的應(yīng)用[D];太原科技大學(xué);2009年

8 董航飛;基于神經(jīng)網(wǎng)絡(luò)的中央空調(diào)溫度控制研究[D];揚州大學(xué);2009年

9 石小云;基于神經(jīng)網(wǎng)絡(luò)方法的衛(wèi)星圖像云分類[D];中國海洋大學(xué);2012年

10 馬玉秀;神經(jīng)網(wǎng)絡(luò)在激光遙感鑒別海面溢油中的應(yīng)用[D];大連海事大學(xué);2006年

，

本文編號：1626188