典型文献
基于CNN海上钻井平台检测模型的构建及训练算法分析
文献摘要：
卷积神经网络(CNN)是深度学习(DL)中最具代表性的一种网络结构.合成孔径雷达(SAR)图像具有位置结构关系,CNN模型可以利用图像的位置结构关系,能够更好地提取图像特征,因此更适合采用CNN模型检测海洋目标.本文首先基于CNN框架构建了海上钻井平台检测的DL模型Ocean TDAx,并对模型进行训练和测试.试验结果表明,Ocean TDA9模型精度最高.然后针对Ocean TDA9模型,采用Adam、RMSprop、Stochastic gradient descent(SGD)、Adagrad、Momentum等7种模型训练算法进行试验,比较不同算法的训练损失和精度与训练批次的相关性.最后基于渤海海域的极化SAR数据,对提出的Ocean TDA9模型、已有的CNN模型及VGG模型进行海上钻井平台检测对比.结果表明,构建的Ocean TDA9模型在钻井平台检测中整体性能优良.
文献关键词：
目标检测;钻井平台;卷积神经网络;模型训练;SAR影像
中图分类号：
作者姓名：
柳林;孙毅;李万武
作者机构：
山东科技大学,山东 青岛266590
文献出处：
引用格式：
[1]柳林;孙毅;李万武-.基于CNN海上钻井平台检测模型的构建及训练算法分析)[J].测绘通报,2022(07):26-32,99
A类：
TDAx,TDA9
B类：
海上钻井平台,平台检测,检测模型,训练算法,算法分析,DL,合成孔径雷达,SAR,结构关系,图像特征,合采,模型检测,测海,框架构建,Ocean,模型精度,Adam,RMSprop,Stochastic,gradient,descent,SGD,Adagrad,Momentum,模型训练,渤海海域,VGG,整体性能,性能优良,目标检测
AB值：
0.310503
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。
