华中光电技术研究所—武汉光电国家实验室， 湖北 武汉 430223
海战场的目标识别是敌我判断、精确跟踪以及准确打击的前提，在现代海战中起着至关重要的作用。针对舰船编队场景下的海战场典型目标的识别问题，提出了一种基于卷积神经网络的协同识别方法，该方法通过优化VGG-NET的层数、节点数得到一组易于训练的精简网络，构建了一种多输入/单输出的舰船协同识别架构，提出一种基于D-S证据理论的加权和方法用于单输出的决策级融合。仿真实验表明，基于单平台的方法在烟雾环境下仅获得47.22%的识别率，而使用协同识别方法能够获得55.83%的识别率。该方法具有良好的性能，能够在复杂海战场环境下有效地识别目标。
海战场 目标识别 协同识别 卷积神经网络 D-S证据理论 sea battlefield target recgnition collaborative recognition convlutional neural networks D-S evidence theory
