基于深度学习的可见光图像舰船目标检测与识别

来源 :舰船电子对抗 | 被引量 : 0次 | 上传用户:fengye1023
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为探究深度卷积神经网络在舰船检测与识别中的应用,研究了基于深度学习方法的可见光图像舰船目标检测与识别,总结了适用的可见光图像舰船数据集与针对舰船目标的网络优化方法。研究表明,迁移学习、先验框改进、特征优化等方法均能提升舰船检测与识别的准确率。未来应结合多源特征的融合,对轻量化舰船识别、细粒度舰船分类等方向进行研究。
其他文献
随着雷达模拟训练的发展以及实战化训练的进一步要求,雷达实装与模拟器结合训练的需求越来越迫切。为了有效提高雷达专业学员在教学训练中适应战场环境、处置特异常空情的实
在非合作通信接收中,短时突发信号的解调是一类非常重要的技术难题,提出了一种基于相关的短时突发信号解调方法,在低信噪比下,实现了短时突发多进制相移键控(MPSK)类信号解调
介绍了一种对抗反舰导弹的自卫式干扰效能评估仿真系统设计方法,阐述了效能评估仿真系统的功能组成、系统结构设计。采用中央处理单元(CPU)+图像处理单元(GPU)架构在信号级实
构建了一种计算机网络对抗效能评估指标体系,提出一种云理论和神经网络相结合的SOMBP云神经网络评估方法,该方法不仅具有神经网络的学习、记忆能力,也具备云理论的模糊性和随
对分布式干扰波束形成的性能及其影响因素进行了系统性分析,推导了分布式干扰波束形成的归一化平均功率方向图,对相位误差和位置误差对归一化平均方向图的影响进行了理论分析
常规波束形成的主瓣宽度随波束指向变化会导致阵列分辨性能下降,针对该问题,建立了无约束下的方向不变恒定束宽波束形成数学模型,以某一指向上的波束主瓣为参考主瓣,使优化后