發(fā)布時間：2021-04-14 05:25

　　對海域船只進(jìn)行分類,是實(shí)現(xiàn)海上安全和交通控制需要考慮的一個重要問題,其在民用和軍事行業(yè)都有著廣闊的應(yīng)用前景。與其他目標(biāo)識別相比,海域船只圖像受光照、視角、尺度、背景等環(huán)境因素影響更大,因此其分類也具有更大的難度。通過對已有的海域船只分類方法的研究,發(fā)現(xiàn)存在以下問題:首先,如何提取圖像的特征以更好地表述目標(biāo)一直是該領(lǐng)域的重點(diǎn)問題之一;其次,現(xiàn)有的研究大多數(shù)只會選取單一的特征或者是簡單拼接的特征用來描述圖像,致使特征的互補(bǔ)效能大大降低。現(xiàn)有特征結(jié)構(gòu)融合方法采用統(tǒng)一的度量標(biāo)準(zhǔn)定義了特征的結(jié)構(gòu)矩陣,對不同特征可以進(jìn)行有效融合,但由于其基于無監(jiān)督學(xué)習(xí)方法,在特征融合的過程中并沒有將特征的類別信息融入其中,因而分類的性能有待提高;最后,在原始特征維度極大的情況下如何能既快速有效的構(gòu)造特征結(jié)構(gòu),又可以考慮多特征的類的自然分布結(jié)構(gòu)也是一個有待解決的問題。針對以上問題,本文進(jìn)行了相關(guān)研究和實(shí)驗(yàn),主要內(nèi)容如下:（1）對于如何提取更優(yōu)特征描述海域船只圖像的問題,本文前期進(jìn)行了大量實(shí)驗(yàn),分別提取了VAIS數(shù)據(jù)集的不同傳統(tǒng)特征和卷積神經(jīng)網(wǎng)絡(luò)特征,并結(jié)合SVM分類器,得出了單一特征的分類結(jié)果,對比分析后挑選出了表... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

新加坡海域事故

西安理工大學(xué)碩士學(xué)位論文SVs 可能需要對敵方軍艦進(jìn)行分類，以確定如何最好地逃避沖突[4]。綜上所述，對海進(jìn)行準(zhǔn)確的識別分類顯得十分必要。此外，目前的航運(yùn)事故仍然頻發(fā)。2017 年 9 月 13 日，一艘載有 11 名中國籍船員船與一艘印度尼西亞籍油槽船在新加坡海域相撞后傾覆。事故造成 2 人遇難、1 人骨 人失蹤，現(xiàn)場如圖 1-1 所示。2018 年，一艘巴拿馬國籍的貨輪同中國香港貨輪在長江發(fā)生碰船事件，事故造成約 13.6 萬噸凝析油持續(xù)泄漏、燃燒爆炸，3 人死亡、29 名聯(lián)，現(xiàn)場如圖 1-2 所示。此次事件給東海的海洋生態(tài)造成嚴(yán)重污染，一些海洋生物的境恐將面臨威脅。2019 年 1 月 4 日，中國香港籍雜貨船與福建晉江籍漁船發(fā)生碰撞 14 名船員落水，其中 8 人失蹤。據(jù)業(yè)內(nèi)人士稱，通常一起船只碰撞事故可能造成 40 的經(jīng)濟(jì)損失。全球這類的安全事故不勝枚舉，而這一系列事件的發(fā)生也提醒各國必須視智能航運(yùn)系統(tǒng)的開發(fā)，船只類型的識別正是航運(yùn)系統(tǒng)的重要模塊之一。

ann LeCun 等人將提出的多層卷積神經(jīng)網(wǎng)絡(luò) L不少郵局和銀行帶來了便利。但是由于卷積神并沒有被大規(guī)模的應(yīng)用，導(dǎo)致它在發(fā)展過程中隊對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了深度上的拓展，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型在 ImageNet 大型視覺識別挑重新回到了研究者們的視野中，再次開啟了研入層，卷積層，池化層，全連接層，輸出層組行提取與處理。全連接層用于整合卷積層或池后一層全連接層的輸出傳遞給 softmax 分類器網(wǎng)絡(luò)特征Net、VGG、GoogLeNet、ResNet 等卷積神經(jīng)網(wǎng)gLeNet 和 ResNet 憑借著其經(jīng)典的結(jié)構(gòu)分別取得軍和 2015 年的冠軍，故本文選擇了上述三個網(wǎng)這三個網(wǎng)絡(luò)結(jié)構(gòu)的特點(diǎn)進(jìn)行簡單的概述。


本文編號：3136751