一种基于多层卷积神经网络的舰船目标识别方法

    公开(公告)号:CN107609601B

    公开(公告)日:2021-01-22

    申请号:CN201710893876.7

    申请日:2017-09-28

    Abstract: 本发明公开了一种基于多层卷积神经网络的舰船目标识别方法包括:S1、舰船样本库采用已有的图像、参数和模型数据构建,并在使用过程中,通过检测目标数据采集不断的进行丰富;S2、舰船目标特征训练是在卷积神经网络的框架下,通过对舰船样本库的识别训练,形成可见光/红外和二维/三维融合的舰船特征知识库,用于进行舰船目标分类识别;S3、舰船目标数据采集用于对海上舰船目标的可见光或红外视频数据进行实时高分辨率的采集;S4、对海上舰船目标进行检测;S5、对舰船目标图像粗分类;S6、基于舰船目标特征训练完成的深度神经网络模型开展舰船目标的细分类识别工作,准确的识别出舰船的类型。解决了舰船目标识别的难题。

    一种基于多层卷积神经网络的舰船目标识别方法

    公开(公告)号:CN107609601A

    公开(公告)日:2018-01-19

    申请号:CN201710893876.7

    申请日:2017-09-28

    Abstract: 本发明公开了一种基于多层卷积神经网络的舰船目标识别方法包括:S1、舰船样本库采用已有的图像、参数和模型数据构建,并在使用过程中,通过检测目标数据采集不断的进行丰富;S2、舰船目标特征训练是在卷积神经网络的框架下,通过对舰船样本库的识别训练,形成可见光/红外和二维/三维融合的舰船特征知识库,用于进行舰船目标分类识别;S3、舰船目标数据采集用于对海上舰船目标的可见光或红外视频数据进行实时高分辨率的采集;S4、对海上舰船目标进行检测;S5、对舰船目标图像粗分类;S6、基于舰船目标特征训练完成的深度神经网络模型开展舰船目标的细分类识别工作,准确的识别出舰船的类型。解决了舰船目标识别的难题。

Patent Agency Ranking