改进的SqueezeNet网络在船舶分类中的应用

张玉皓; 李立钢

doi:10.13873/J.1000-9787(2022)01-0150-03

Chinese

您当前的位置：

首页 >

文章列表页 >

改进的SqueezeNet网络在船舶分类中的应用

应用技术 | 更新时间：2025-09-11

- 改进的SqueezeNet网络在船舶分类中的应用
- 改进的SqueezeNet网络在船舶分类中的应用
- 传感器与微系统 2022年第1期页码：150-152+160
- 作者机构：
  
  中国科学院国家空间科学中心中国科学院复杂航天系统电子信息技术重点实验室 2. 中国科学院大学
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2022)01-0150-03
  中图分类号： U675.79;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
张玉皓, 李立钢. 改进的SqueezeNet网络在船舶分类中的应用[J]. 传感器与微系统, 2022,(1):150-152+160.

改进的SqueezeNet网络在船舶分类中的应用[J]. 2022, (1): 150-152+160.
张玉皓, 李立钢. 改进的SqueezeNet网络在船舶分类中的应用[J]. 传感器与微系统, 2022,(1):150-152+160. DOI： 10.13873/J.1000-9787(2022)01-0150-03.

改进的SqueezeNet网络在船舶分类中的应用[J]. 2022, (1): 150-152+160. DOI： 10.13873/J.1000-9787(2022)01-0150-03.

摘要

船舶分类在仿真系统中应用广泛

针对目前船舶分类准确率不高以及在提高准确率的同时无法很好兼顾实时性的问题

提出了先对输入图片预处理

经过彩色转灰度再二值化后输入改进的卷积神经网络（CNN）的方法。所改良的网络结构以SqueezeNet为基础

并将网络浅层输出和深层输出级联合并作为最终输出

使得特征内容更加丰富;同时对Adam优化器进行改进

针对模型训练时Loss是否持续降低自适应调整学习率

加快模型收敛速度。经实验对比

所改进算法的船舶分类准确率比SqueezeNet、GoogleNet、MobileNet

3网络平均高出1.24%

运行时间平均降低3.09%。

Abstract

船舶分类在仿真系统中应用广泛

针对目前船舶分类准确率不高以及在提高准确率的同时无法很好兼顾实时性的问题

提出了先对输入图片预处理

经过彩色转灰度再二值化后输入改进的卷积神经网络（CNN）的方法。所改良的网络结构以SqueezeNet为基础

并将网络浅层输出和深层输出级联合并作为最终输出

使得特征内容更加丰富;同时对Adam优化器进行改进

针对模型训练时Loss是否持续降低自适应调整学习率

加快模型收敛速度。经实验对比

所改进算法的船舶分类准确率比SqueezeNet、GoogleNet、MobileNet

3网络平均高出1.24%

运行时间平均降低3.09%。

关键词

Keywords

references

基于肤色模型与BP神经网络的手势识别 [J]. 张彩珍,张云霞,赵丹,张晓金. 传感器与微系统 . 2019(06)

一种CNN与ELM相结合的船舶分类识别方法 [J]. 闫河,王鹏,董莺艳,罗成,李焕. 重庆理工大学学报(自然科学) . 2019(01)

基于结构特征分析的COSMO-SkyMed图像商用船舶分类算法 [J]. 蒋少峰,王超,吴樊,张波,汤益先,张红. 遥感技术与应用 . 2014(04)

Automatic recognition of ISAR ship images [J] . Musman S.,Kerr D.,Bachmann C.. IEEE Transactions on Aerospace and Electronic Systems . 1996 (4)

浏览量

394

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据