基于卷积神经网络的作战目标识别方法的研究

被引：7

作者：

谭景信

洪岩

孟德地

张军尧

机构：

[1] 中国电子科技集团公司第十五研究所

来源：

计算机仿真 | 2017年 / 34卷 / 11期

关键词：

深度学习; 图像抖动处理; 卷积神经网络; 目标识别;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

在当前复杂多变的战场环境下,采用传统的目标识别手段存在成本高、识别率低、难以快速定位目标等问题,亟需一种成本低、识别率高的识别手段。为此提出一种战场目标识别方法,首先对连续拍摄且拍摄时有抖动的图像进行预处理以降低拍摄图像时抖动产生的影响,之后再基于卷积神经网络(Convolutional Neural Networks,CNN)改进模型实现对战场目标的识别。实验结果表明,基于改进的CNN模型的方法可以取得较高的战场目标识别准确率。

引用

页码：12 / 15+113 +113

页数：5

共 7 条

[1] 基于CNN模型的高分辨率遥感图像目标识别 [J].

曲景影 ;

孙显 ;

高鑫 .

国外电子测量技术, 2016, 35 (08) :45-50

[2] TensorFlow平台下的视频目标跟踪深度学习模型设计 [J].

刘帆 ;

刘鹏远 ;

李兵 ;

徐彬彬 .

激光与光电子学进展, 2017, 54 (09) :283-291

[3] 卷积神经网络分类模型在模式识别中的新进展 [J].

胡正平 ;

陈俊岭 ;

王蒙 ;

赵淑欢 .

燕山大学学报, 2015, 39 (04) :283-291

[4] 基于灰度投影算法的实时电子稳像研究 [J].

张国栋 ;

王明泉 ;

郭栋 .

微电子学与计算机, 2010, 27 (10) :53-56

[5] 一种图像抖动下的目标位置测量方法 [J].

李大成 ;

杨晓东 .

兵器装备工程学报, 2017, 38 (02) :97-100

[6] 一种基于灰度投影算法的电子稳像方法 [J].

朱娟娟 ;

郭宝龙 ;

冯宗哲 .

光子学报, 2005, (08) :1266-1269

[7]

Improving deep neural netw orks for LVCSR using rectified linear units and dropout. DAHL G E,SAINATH T N,HINTON G E. IEEE International Conference on Acoustics,Speech and Signal Processing (ICASSP). . 2013

← 1 →