特征融合的卷积神经网络多波段舰船目标识别
针对海面背景舰船目标单一波段图像识别率低的问题, 提出了一种基于卷积神经网络(CNN)的融合识别方法。该方法提取可见光、中波红外和长波红外3个波段舰船目标特征进行融合识别。模型主要分为3个步骤：通过设计的6层CNN, 同时对三波段图像进行特征提取; 利用基于互信息的特征选择方法对串联的三波段特征向量按照重要性进行排序, 并按照图像清晰度评价指标选取固定长度的特征向量作为目标识别依据; 通过额外的2个全连接层和输出层进行回归训练。采用自建的三波段舰船图像数据库进行模型的训练和测试, 共包含6类目标, 5000余张图像。实验结果表明, 本文方法识别率达到84.5%, 与单波段识别方法相比有明显提升。
文件下载
评论信息
其他资源
- STM32+FreeRTOS+W5500+MQTT
- Entity Framework 学习(中文资料初中高级共14篇) pdf格式
- 软件需求规格说明书（范例）
- FPGA Prototyping by VHDL Examples
- STM32F103C8开发板 STM32最小系统核心板 AD硬件原理图+PCB封装文件
- 空间分析的源代码
- 信号处理源代码 SP++3.0
- 3个精品Ps源文件(PSD)
- STM32的RTC实时时钟程序，亲测能用
- 电商广告投放明细_易迅网.xls
- 耦合对相对论效应下的三次谐波的影响
- 2021年中国春节网络红包专题研究报告.pdf
- 2020年中国智慧市政行业概览.pdf
- AD621.pdf详细资料，数模转换模块
- JSP程序设计教程课件及完整代码（郭真）
- libsvm安装包
- ASP.NET+SQL 驾校在线模拟考试系统
- viewPager+fragment
- BP神经网络与MATLAB神经网络工具箱
- java中cos文件上传示例
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明