基于神经网络特征提取的SSA-SVM船舶目标识别方法

摘要：

运用神经网络图像特征提取联合SSA-SVM分类算法,对通航区域图像中的典型船舶目标进行识别以实现船舶目标的自动分类.首先通过摄像机获得通航区域的高分辨率图像,以AlexNet深度学习网络为基础经迁移学习后提取典型船舶目标特征,获得4种船舶类型、共5505024个特征数的典型船舶目标特征矩阵.以特征矩阵为训练依据训练SSA-SVM算法,在种群寻优下获得最佳识别参数,经训练得出在小数据集下具有较强辨识能力的SSA-SVM船舶目标识别模型.实验表明,相比于深度学习的大数据集驱动识别算法,使用AlexNet特征提取的SSA-SVM算法能够在数据量较少的情况下对散货船、集装箱船等典型船舶目标进行有效识别,识别准确率为88.87％、训练时长为1856s,满足实用需求,为水上监管提供了可靠的技术支持.

关键词：船舶目标识别、SSA-SVM、深度神经网路、特征提取、AlexNet

所属期刊栏目：45

分类号：TP753(遥感技术)

资助基金：国家自然科学基金;国家自然科学基金;集美大学航海学院—船舶辅助导航技术国家地方联合工程研究中心开放基金资助项目;工信部高技术船舶研发专项

在线出版日期：2023-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：158-164