留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于CNN特征谱学习的水下目标识别

张选东 张家铭 丁迎迎

张选东, 张家铭, 丁迎迎. 基于CNN特征谱学习的水下目标识别[J]. 中国舰船研究. doi: 10.19693/j.issn.1673-3185.02087
引用本文: 张选东, 张家铭, 丁迎迎. 基于CNN特征谱学习的水下目标识别[J]. 中国舰船研究. doi: 10.19693/j.issn.1673-3185.02087
Underwater target recognition based on CNN featute spectrum learning[J]. Chinese Journal of Ship Research. doi: 10.19693/j.issn.1673-3185.02087
Citation: Underwater target recognition based on CNN featute spectrum learning[J]. Chinese Journal of Ship Research. doi: 10.19693/j.issn.1673-3185.02087

基于CNN特征谱学习的水下目标识别

doi: 10.19693/j.issn.1673-3185.02087

Underwater target recognition based on CNN featute spectrum learning

  • 摘要: 由于海洋环境复杂多变,对水中目标辐射噪声信号进行分类识别难以达到预期效果。为了获得更高的识别准确率,本文将深度神经网络应用于水中目标识别,提出了一种听觉特征与卷积神经网络相结合的识别方法。提取目标辐射噪声信号的梅尔频谱作为特征谱图,再使用DenseNet卷积网络对特征谱图进行训练预测得到较好的识别效果,通过加入正则化和早停法(Early Stopping)等策略防止网络过拟合,通过分解较大的卷积核扩张感受野,考虑到目标标签的相关性和粒度,提前输出Label1的分类结果,优化后的网络在测试集上进一步提高了识别准确率。
  • 加载中
计量
  • 文章访问数:  68
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-08-26
  • 网络出版日期:  2021-05-26

目录

    /

    返回文章
    返回