機器學(xué)習(xí)是人工智能領(lǐng)域的重要技術(shù),在圖像分類識別領(lǐng)域有突出的技術(shù)優(yōu)勢,且運用廣泛。隨著計算機硬件技術(shù)的提升,作為機器學(xué)習(xí)的重要發(fā)展趨勢,深度學(xué)習(xí)算法已成為計算機視覺領(lǐng)域最熱門的方向之一。本文為探究深度學(xué)習(xí)算法中的卷積神經(jīng)網(wǎng)絡(luò)在SAR圖像目標識別上的應(yīng)用,通過對卷積神經(jīng)網(wǎng)絡(luò)的改進,以及網(wǎng)絡(luò)傳播過程的分析,最后驗證SAR圖像識別的準確率。 

【文章來源】：電子制作. 2020,(22)

【文章頁數(shù)】：3 頁

【文章目錄】：
0 引言
1 卷積神經(jīng)網(wǎng)絡(luò)改進
    1.1 卷積神經(jīng)網(wǎng)絡(luò)介紹
    1.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    1.3 卷積神經(jīng)網(wǎng)絡(luò)改進
2 網(wǎng)絡(luò)傳播及訓(xùn)練
    2.1 卷積神經(jīng)網(wǎng)絡(luò)傳播過程
    2.2 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練
3 實驗及結(jié)論


【參考文獻】：
期刊論文
[1]基于深度學(xué)習(xí)的SAR目標檢測方法[J]. 梁懌清,王小華,陳立福.  雷達科學(xué)與技術(shù). 2019(05)
[2]基于深度學(xué)習(xí)的SAR圖像目標識別算法[J]. 崔福彬,張茜,雷俞承志,尹偉石.  長春理工大學(xué)學(xué)報(自然科學(xué)版). 2019(04)
[3]SAR變體目標識別的卷積神經(jīng)網(wǎng)絡(luò)法[J]. 馮秋晨,彭冬亮,谷雨.  中國圖象圖形學(xué)報. 2019(02)
[4]采用深度學(xué)習(xí)的多方位角SAR圖像目標識別研究[J]. 鄒浩,林赟,洪文.  信號處理. 2018(05)
[5]深度學(xué)習(xí)在SAR目標識別與地物分類中的應(yīng)用[J]. 徐豐,王海鵬,金亞秋.  雷達學(xué)報. 2017(02)



本文編號：3615941