首站-论文投稿智能助手
典型文献
基于样本扩增的水下集装箱智能识别
文献摘要:
侧扫声纳是水下应急扫测的重要手段,水下目标识别是其中的关键技术,基于深度学习的智能识别技术现阶段因缺少大量样本效果不佳.基于侧扫声纳成像机理,针对拖鱼定位不准、船速不均匀和转向、声纳收发机制造成图像畸变问题,以集装箱为对象,提出一种基于弹性形变的样本扩增方法和目标识别方法.利用集装箱成像机理及畸变特点,首先对集装箱图像进行仿射变换;然后对该图像使用弹性变换(Elastic Distortions),随机调整形变控制参数生成指定数量的目标图像,完成样本扩增;在此基础上构建神经网络模型,实现侧扫声纳图像中的集装箱识别.试验表明,应用简单的弹性变换方法有效地扩增了样本,增强了神经网络的泛化能力,智能识别模型的查准率和查全率都提高了 16%以上.
文献关键词:
侧扫声纳;深度学习;目标识别;样本扩增;弹性变换
作者姓名:
龚权华;朱维强;夏显文
作者机构:
中国交通建设集团第三航务工程局新能源工程有限公司,上海 200137;武汉大学测绘学院,湖北武汉 430070;中国交通建设集团第三航务工程局有限公司,上海 200032
文献出处:
引用格式:
[1]龚权华;朱维强;夏显文-.基于样本扩增的水下集装箱智能识别)[J].海洋测绘,2022(04):22-26
A类:
应急扫测,弹性变换,Distortions,声纳图像
B类:
样本扩增,下集,集装箱,侧扫声纳,水下目标识别,智能识别技术,成像机理,船速,收发机,成图,图像畸变,弹性形变,增方,目标识别方法,仿射变换,Elastic,整形,形变控制,控制参数,标图,泛化能力,识别模型,查准率,查全率
AB值:
0.279259
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。