典型文献
基于双流对称特征融合网络模型的海洋船舶目标识别
文献摘要：
海洋船舶目标识别在民用和军事领域有着重要的战略意义,本文针对可见光图像和红外图像提出了一种基于注意力机制的双流对称特征融合网络模型,以提升复杂感知环境下船舶目标综合识别性能.该模型利用双流对称网络并行提取可见光和红外图像特征,通过构建基于级联平均融合的多级融合层,有效地利用可见光和红外两种模态的互补信息获取更加全面的船舶特征描述.同时将空间注意力机制引入特征融合模块,增强融合特征图中关键区域的响应,进一步提升模型整体识别性能.在VAIS实际数据集上进行系列实验证明了该模型的有效性,其识别精确度能达到87.24％,综合性能显著优于现有方法.
文献关键词：
识别算法;特征级融合;卷积神经网络;空间注意力机制
中图分类号：
作者姓名：
孙祎芸;樊臻;董山玲;郑荣濠;兰剑
作者机构：
浙江大学电气工程学院,浙江杭州310027;浙江大学工业控制技术国家重点实验室,浙江杭州310027;西安交通大学电子与信息学部,陕西西安710049
文献出处：
引用格式：
[1]孙祎芸;樊臻;董山玲;郑荣濠;兰剑-.基于双流对称特征融合网络模型的海洋船舶目标识别)[J].控制理论与应用,2022(11):2009-2018
A类：
VAIS
B类：
双流,特征融合网络,洋船,船舶目标,目标识别,军事领域,战略意义,可见光图像,红外图像,杂感,下船,综合识别,识别性,对称网络,图像特征,信息获取,特征描述,空间注意力机制,特征融合模块,融合特征,特征图,关键区域,实际数据,系列实验,识别算法,特征级融合
AB值：
0.351104
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
