特征融合的卷积神经网络多波段舰船目标识别

刘峰; 沈同圣; 马新星

doi:doi:10.3788/AOS201737.1015002

光学学报, 2017, 37 (10): 1015002, 网络出版: 2018-09-07

特征融合的卷积神经网络多波段舰船目标识别下载： 1385次

Convolutional Neural Network Based Multi-Band Ship Target Recognition with Feature Fusion

刘峰 ^1,*沈同圣 ²马新星 ¹

作者单位

¹ 海军航空工程学院控制工程系, 山东烟台 264001

² 中国国防科技信息中心, 北京 100142

图 & 表

图 1. 本文算法流程

Fig. 1. Flow of the proposed algorithm

下载图片查看原文

图 2. 网络结构示意图

Fig. 2. Diagram of the network structure

下载图片查看原文

图 3. 不同层网络参数对比

Fig. 3. Contrast of parameters for different layers

下载图片查看原文

图 4. 目标识别数据库示例图片。(a)游轮A;(b)游轮B;(c)渔船;(d)铁路轮渡;(e)军舰;(f)货船

Fig. 4. Examples in target identification database. (a) Cruise A; (b) cruise B; (c) fisher; (d) railway ferry; (e) warship; (f) merchant ship

下载图片查看原文

图 5. 融合特征维数选择

Fig. 5. Dimension selection of fusion features

下载图片查看原文

图 6. 本文方法识别率矩阵。 (a)融合识别;(b)可见光;(c)中波红外;(d)长波红外

Fig. 6. Recognition rate matrices of the proposed method. (a) Proposed fusion recognition; (b) visible light; (c) medium-wave infrared; (d) long-wave infrared

下载图片查看原文

图 7. 部分误识别图像

Fig. 7. Partial images of false recognition

下载图片查看原文

表 1神经网络结构及参数

Table1. Structure and parameters of the neural network

Parameter Layer	Structure of network
Parameter Layer	Conv_1	Conv_2	Conv_3	Conv_4	Fc_5	Fc_6
Structure	C+R+L+P	C+R+P	C+R+P	C+R+P	F+R+D	F+R+D
Input	227×227×3	27×27×96	13×13×256	13×13×384	6×6×256	4096
Neuron	96	256	384	256	4096	4096
Kernal size	11×11	5×5	3×3	3×3	1×1	1×1
Stride	4	2	1	1
Pooling	3×3	3×3		3×3
Pooling stride	2	2		2
Train parameter	96×(11×11×3+1)	256×(5×5×96+1)	384×(3×3×256+1)	256×(3×3×384+1)	4096×(3×3×256+1)	4096×(4096+1)

查看原文

表 2不同方法识别率对比

Table2. Recognition rate comparison of different methods

Method	Recognition rate /%
Method	Visible light	Medium-wave infrared	Long-wave infrared	Fusion recognition
HOG+SVM	63.2	55.0	53.5
SIFT	67.3	60.2	55.2
AlexNet	75.6	66.5	67.7
VGG-16	77.3	68.3	69.2
Proposed	75.1	67.2	68.1	84.5

查看原文

刘峰, 沈同圣, 马新星. 特征融合的卷积神经网络多波段舰船目标识别[J]. 光学学报, 2017, 37(10): 1015002. Feng Liu, Tongsheng Shen, Xinxing Ma. Convolutional Neural Network Based Multi-Band Ship Target Recognition with Feature Fusion[J]. Acta Optica Sinica, 2017, 37(10): 1015002.

特征融合的卷积神经网络多波段舰船目标识别下载： 1385次

图 1. 本文算法流程

Fig. 1. Flow of the proposed algorithm

图 2. 网络结构示意图

Fig. 2. Diagram of the network structure

图 3. 不同层网络参数对比

Fig. 3. Contrast of parameters for different layers

图 4. 目标识别数据库示例图片。(a)游轮A;(b)游轮B;(c)渔船;(d)铁路轮渡;(e)军舰;(f)货船

Fig. 4. Examples in target identification database. (a) Cruise A; (b) cruise B; (c) fisher; (d) railway ferry; (e) warship; (f) merchant ship

图 5. 融合特征维数选择

Fig. 5. Dimension selection of fusion features

图 6. 本文方法识别率矩阵。 (a)融合识别;(b)可见光;(c)中波红外;(d)长波红外

Fig. 6. Recognition rate matrices of the proposed method. (a) Proposed fusion recognition; (b) visible light; (c) medium-wave infrared; (d) long-wave infrared

图 7. 部分误识别图像

Fig. 7. Partial images of false recognition

表 1神经网络结构及参数

Table1. Structure and parameters of the neural network

表 2不同方法识别率对比

Table2. Recognition rate comparison of different methods

关于本站 Cookie 的使用提示

全站搜索

特征融合的卷积神经网络多波段舰船目标识别 下载： 1385次

图 1. 本文算法流程

Fig. 1. Flow of the proposed algorithm

图 2. 网络结构示意图

Fig. 2. Diagram of the network structure

图 3. 不同层网络参数对比

Fig. 3. Contrast of parameters for different layers

图 4. 目标识别数据库示例图片。(a)游轮A;(b)游轮B;(c)渔船;(d)铁路轮渡;(e)军舰;(f)货船

Fig. 4. Examples in target identification database. (a) Cruise A; (b) cruise B; (c) fisher; (d) railway ferry; (e) warship; (f) merchant ship

图 5. 融合特征维数选择

Fig. 5. Dimension selection of fusion features

图 6. 本文方法识别率矩阵。 (a)融合识别;(b)可见光;(c)中波红外;(d)长波红外

Fig. 6. Recognition rate matrices of the proposed method. (a) Proposed fusion recognition; (b) visible light; (c) medium-wave infrared; (d) long-wave infrared

图 7. 部分误识别图像

Fig. 7. Partial images of false recognition

表 1神经网络结构及参数

Table1. Structure and parameters of the neural network

表 2不同方法识别率对比

Table2. Recognition rate comparison of different methods

相关论文

相关资讯

关于本站 Cookie 的使用提示

全站搜索

特征融合的卷积神经网络多波段舰船目标识别下载： 1385次