10.3404/j.issn.1672-7619.2016.08.025
基于深度卷积神经网络的船舶识别方法研究
为解决目前船舶识别率较低的问题,基于深度卷积神经网络算法,提出一种在深度卷积神经网络基础上的改进算法.利用卷积神经网络对船舶图片进行深度特征提取,结合HOG算法得到准确的边缘特征,结合HSV算法得到颜色特征,通过SVM分类器对船舶进行分类.算法主要包括2个阶段:训练阶段实现卷积神经网络的预训练,将得到特征归一化,PCA降维,通过HOG算法得到边缘特征,最后训练SVM分类器;测试阶段则对算法的准确性进行核实.实验结果表明,该方法平均识别正确率达到93.6%,可以很好地实现船舶识别.
深度卷积神经网络、船舶识别、边缘梯度方向直方图、支持向量机
38
TP391.4(计算技术、计算机技术)
国家海洋公益专项资助项目201305026
2016-10-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
119-123