迁移学习在舰船识别中的应用

摘要：

目前舰船识别技术相对落后,大部分识别算法还是基于传统的机器学习理论.舰船识别受舰船背景、光照、遮挡等因素的影响较大,识别正确率较低,无法满足现实需求;随着深度卷积神经网络识别率正确率的不断提高,一些复杂的分类任务都得到了较好的解决.本文将深度卷积神经网络AlexNet迁移到舰船识别中,对原网络顶层进行改进,微调底层特征,采用数据扩充技术构建的舰船数据集训练调试模型,得到了有效的舰船识别模型,识别正确率达到91.08％.

关键词：迁移学习、舰船识别、卷积神经网络

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：海军装备部"十二五"规划资助项目435515908

在线出版日期：2018-12-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：118-121