典型文献
基于MCNN-GRU的舰面目标碰撞预警方法
文献摘要：
为提升甲板舰面目标的转运安全性,提出一种多个CNN-GRU(multiple CNN-GRU,MCNN-GRU)碰撞预警网络模型.该网络融合了卷积神经网络(convolutional neural network,CNN)对单时间步信息特征的提取能力以及门控循环单元(gate recurrent unit,GRU)对时序序列的记忆能力,通过多通道网络结构提升对多时间步信息特征的处理性能;在数据集上,利用目标检测网络和关键点检测网络、位姿解算模型及碰撞检测方法制作舰面目标碰撞预警数据集.通过不同网络在数据集上进行实验的结果表明:该模型对舰面目标的双机碰撞预警精度为92.44％,具有较好的效果.
文献关键词：
卷积神经网络;门控循环单元;碰撞预警;循环神经网络;舰面目标
中图分类号：
作者姓名：
汪丁;黄葵;朱兴动;范加利;王正
作者机构：
海军航空大学青岛校区,山东 青岛 266041;海军航空大学,山东 烟台 264001
文献出处：
引用格式：
[1]汪丁;黄葵;朱兴动;范加利;王正-.基于MCNN-GRU的舰面目标碰撞预警方法)[J].兵工自动化,2022(08):52-57,80
A类：
B类：
MCNN,GRU,舰面目标,目标碰撞,碰撞预警,预警方法,甲板,转运安全,multiple,预警网络,网络融合,convolutional,neural,network,时间步,信息特征,特征的提取,门控循环单元,gate,recurrent,unit,时序序列,记忆能力,多通道,结构提升,处理性能,目标检测网络,关键点检测,位姿解算,解算模型,碰撞检测,双机,循环神经网络
AB值：
0.360953
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。
