本文選題：軍事圖像分類(lèi) + 深度學(xué)習(xí)　； 參考：《計(jì)算機(jī)應(yīng)用研究》2017年11期

【摘要】：由于軍事背景下戰(zhàn)場(chǎng)上不同目標(biāo)的相似度極高以及復(fù)雜情況下的分類(lèi)識(shí)別率不高,傳統(tǒng)視覺(jué)特征的分類(lèi)精度已不能滿足要求。針對(duì)含有特定軍事目標(biāo)的大規(guī)模圖像分類(lèi)問(wèn)題,構(gòu)造了一種新的基于主成分分析(principal components analysis,PCA)白化的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),有效地降低了數(shù)據(jù)間的相關(guān)性,加強(qiáng)了學(xué)習(xí)能力,提高了目標(biāo)分類(lèi)的準(zhǔn)確率。利用大規(guī)模的軍事圖像數(shù)據(jù)集對(duì)該模型進(jìn)行了識(shí)別精度評(píng)估,實(shí)驗(yàn)表明,與基于視覺(jué)特征的詞袋模型以及經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)分類(lèi)算法相比,該算法對(duì)于軍事目標(biāo)的分類(lèi)精度有明顯提高。
[Abstract]:Because of the high similarity of different targets in the battlefield and the low classification recognition rate in complex situations, the classification accuracy of traditional visual features can not meet the requirements. A new principal component analysis (principal components analysis, PCA) is constructed for the large-scale image classification problem containing a specific military target. The whitening convolution neural network structure effectively reduces the correlation between the data, strengthens the learning ability and improves the accuracy of the target classification. The recognition precision is evaluated by the large-scale military image data set. The experiment shows that the model and the classical convolution neural network classification are classified with the visual features. Compared with the algorithm, the classification accuracy of the algorithm is significantly improved for military targets.

【作者單位】： 北京理工大學(xué)自動(dòng)化學(xué)院;北京理工大學(xué)復(fù)雜系統(tǒng)智能控制與決策國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金創(chuàng)新研究群體資助項(xiàng)目(61321002);國(guó)家自然科學(xué)基金重大國(guó)際合作項(xiàng)目(61120106010) 國(guó)家教育部長(zhǎng)江學(xué)者創(chuàng)新團(tuán)隊(duì)資助項(xiàng)目(IRT1208)
【分類(lèi)號(hào)】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曠章輝;王甲海;周雅蘭;;用改進(jìn)的競(jìng)爭(zhēng)Hopfield神經(jīng)網(wǎng)絡(luò)求解多邊形近似問(wèn)題[J];計(jì)算機(jī)科學(xué);2009年03期

2 高永建 ,吳健康;神經(jīng)網(wǎng)絡(luò)及其識(shí)別應(yīng)用簡(jiǎn)介[J];電信科學(xué);1990年02期

3 謝國(guó)梁;;神經(jīng)網(wǎng)絡(luò):從希望到現(xiàn)實(shí)[J];激光與光電子學(xué)進(jìn)展;1991年01期

4 鄭士貴;文獻(xiàn)自動(dòng)閱讀神經(jīng)網(wǎng)絡(luò)[J];管理科學(xué)文摘;1996年08期

5 呂芬;趙生妹;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的噪聲字母識(shí)別[J];計(jì)算機(jī)與信息技術(shù);2005年12期

6 李毅;童紅俊;宋貴寶;李冬;;神經(jīng)網(wǎng)絡(luò)在飛行器航跡仿真計(jì)算中的應(yīng)用[J];海軍航空工程學(xué)院學(xué)報(bào);2006年05期

7 林鋼;;基于SOM神經(jīng)網(wǎng)絡(luò)對(duì)潛在客戶的挖掘[J];南寧職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年04期

8 楊帆;陳勁杰;唐梅華;陳鑫;;簡(jiǎn)論神經(jīng)網(wǎng)絡(luò)在搜索中的應(yīng)用[J];機(jī)械管理開(kāi)發(fā);2008年01期

9 朱紅斌;;LVQ神經(jīng)網(wǎng)絡(luò)在交通事件檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2008年34期

10 李彤巖;李興明;;神經(jīng)網(wǎng)絡(luò)在確定關(guān)聯(lián)規(guī)則挖掘算法權(quán)值中的應(yīng)用研究[J];計(jì)算機(jī)應(yīng)用研究;2008年05期

相關(guān)會(huì)議論文 前10條

1 陳文新;王長(zhǎng)富;戴蓓倩;;基于神經(jīng)網(wǎng)絡(luò)的漢語(yǔ)四聲識(shí)別[A];第一屆全國(guó)語(yǔ)言識(shí)別學(xué)術(shù)報(bào)告與展示會(huì)論文集[C];1990年

2 李睿;李明軍;;一種模糊高斯基神經(jīng)網(wǎng)絡(luò)在數(shù)值逼近上的仿真[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展——全國(guó)第17屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2006年

3 許旭萍;臧道青;;采用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)施缸蓋表面點(diǎn)陣字符識(shí)別[A];第十五屆全國(guó)汽車(chē)檢測(cè)技術(shù)年會(huì)論文集[C];2011年

4 朱長(zhǎng)春;;神經(jīng)網(wǎng)絡(luò)用于線性時(shí)固有系統(tǒng)的廣義狀態(tài)轉(zhuǎn)移矩陣的識(shí)別[A];中國(guó)工程物理研究院科技年報(bào)（1999）[C];1999年

5 鄭海紅;曾平;;一種基于圖像分類(lèi)的逆半調(diào)算法[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

6 王玉斌;李永明;王穎;;用數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)工程造價(jià)[A];第十一屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

7 文振q;歐陽(yáng)杰;朱為總;;基于語(yǔ)義特征與支持向量機(jī)的圖像分類(lèi)[A];中國(guó)電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

8 應(yīng)捷;袁一方;;神經(jīng)網(wǎng)絡(luò)指紋特征點(diǎn)匹配算法的改進(jìn)[A];2007'中國(guó)儀器儀表與測(cè)控技術(shù)交流大會(huì)論文集（二）[C];2007年

9 謝小良;符卓;;基于Hopfield神經(jīng)網(wǎng)絡(luò)的單周期船舶調(diào)度模型及算法[A];2008年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2008年

10 陳意;;神經(jīng)網(wǎng)絡(luò)在船舶識(shí)別一個(gè)應(yīng)用[A];船舶航泊安全的新經(jīng)驗(yàn)新技術(shù)論文集（上冊(cè)）[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 中國(guó)科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類(lèi)大腦[N];計(jì)算機(jī)世界;2003年

相關(guān)博士學(xué)位論文 前10條

1 李曉剛;基于神經(jīng)網(wǎng)絡(luò)的碼垛機(jī)器人視覺(jué)位姿測(cè)量及伺服控制研究[D];北京林業(yè)大學(xué);2015年

2 戶保田;基于深度神經(jīng)網(wǎng)絡(luò)的文本表示及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

3 沈旭;基于序列深度學(xué)習(xí)的視頻分析：建模表達(dá)與應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

4 諸勇;正交回歸神經(jīng)網(wǎng)絡(luò)及其在控制系統(tǒng)中的應(yīng)用[D];浙江大學(xué);1998年

5 李昌英(Ri ChangYong);基于上下文信息的語(yǔ)義圖像分類(lèi)研究[D];浙江大學(xué);2014年

6 王曉東;基于稀疏特征學(xué)習(xí)的復(fù)雜圖像分類(lèi)[D];西安電子科技大學(xué);2014年

7 顧迎節(jié);面向圖像分類(lèi)的主動(dòng)學(xué)習(xí)算法研究[D];南京理工大學(xué);2015年

8 孟丹;基于深度學(xué)習(xí)的圖像分類(lèi)方法研究[D];華東師范大學(xué);2017年

9 趙鑫;圖像分類(lèi)中的判別性增強(qiáng)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

10 楊冰;基于藝術(shù)風(fēng)格的繪畫(huà)圖像分類(lèi)研究[D];浙江大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 劉青;基于神經(jīng)網(wǎng)絡(luò)的圖像分類(lèi)方法研究[D];天津大學(xué);2016年

2 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

3 蔡邦宇;人臉識(shí)別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

4 鄭川;垃圾評(píng)論檢測(cè)算法的研究[D];西南交通大學(xué);2015年

5 汪濟(jì)民;基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)和性別識(shí)別研究[D];南京理工大學(xué);2015年

6 彭玲玲;基于不確定理論與機(jī)器學(xué)習(xí)的行人檢測(cè)[D];長(zhǎng)安大學(xué);2015年

7 楊陳東;BP-Fisher判別分析法[D];長(zhǎng)安大學(xué);2015年

8 孟鑫;基于Hadoop云平臺(tái)下的客流量預(yù)測(cè)研究[D];長(zhǎng)安大學(xué);2015年

9 張勇;深度卷積神經(jīng)網(wǎng)絡(luò)在車(chē)牌和人臉檢測(cè)領(lǐng)域的應(yīng)用研究[D];鄭州大學(xué);2015年

10 宋璐璐;財(cái)經(jīng)職業(yè)技術(shù)學(xué)院票務(wù)管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安工業(yè)大學(xué);2015年

，

本文編號(hào)：1824714