典型文献
船舶采集图像智能分类研究
文献摘要：
为实现不同角度和不同距离下,船舶采集图像的智能分类,提出基于多尺度注意力深度卷积神经网络分类算法的船舶采集图像智能分类.将采集的船舶图像输入该网络中,网络的多尺度深度卷积层采用3个多尺度特征注意力模块结合深度残差模块,提取船舶采集图像不同层次的局部不变性特征;池化层对该特征转换处理后形成特征向量;全连接层池化层引入尺寸匹配函数融合特征向量,形成多尺度纹理特征向量并输入分类层,实现船舶采集图像智能分类.测试结果显示:该方法可实现不同船舶类别图像特征提取,gini指数结果均在0.963以上,可依据分类需求,实现不同角度以及距离条件下、不同的船舶图像类别的准确分类.
文献关键词：
分类算法;船舶采集图像;智能分类;局部不变性特征;多尺度;特征融合
中图分类号：
作者姓名：
苑靖国
作者机构：
天津海运职业学院,天津300350
文献出处：
引用格式：
[1]苑靖国-.船舶采集图像智能分类研究)[J].舰船科学技术,2022(22):158-161
A类：
船舶采集图像,局部不变性特征,gini
B类：
智能分类,分类研究,不同距离,多尺度注意力,深度卷积神经网络,神经网络分类,分类算法,卷积层,多尺度特征注意力,特征注意力模块,深度残差模块,不同层次,池化,特征转换,形成特征,特征向量,全连接层,尺寸匹配,融合特征,纹理特征,同船,图像特征提取,特征融合
AB值：
0.257996
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。
