基于卷积神经网络的船舶分类模型

详细信息    查看全文 | 推荐本文 |

	作者：林嘉应 ; 郑柏伦 ; 刘捷 英文作者：LIN Jia-ying;ZHENG Bo-lun;LIU Jie; 关键词：卷积神经网络 ; 船舶分类 中文刊名：SDDZ 英文刊名：Information Technology and Informatization 机构：华南理工大学计算机科学与工程学院; 出版日期：2019-02-25 出版单位：信息技术与信息化 年：2019 期：No.227 基金：2018年度“攀登计划”广东大学生科技创新培育专项资金:pdjh2018a0042 语种：中文; 页：SDDZ201902044 页数：2 CN：02 ISSN：37-1423/TN 分类号：130-131

摘要

近年来智能交通发展迅速,但目前的研究大多是关于陆上交通的研究,分类任务也大多数是关于日常物体的分类,现在基本上很少有关于船舶分类的研究。但船舶分类对于航道安全,航道监管具有重要意义。卷积神经网络是近年来学术界和工业界广泛关注的一种图像处理方法。本文将近年来十分热门且高效的卷积神经网络应用到船舶分类任务当中,将船舶分成五类,构建了基于卷积神经网络的适应实际情况的船舶分类模型。一方面填补了这个领域研究上的空白,另一方面为船舶管理提供了一个新的方法。
        

引文

[1]Krizhevsky,I.Sutskever,and G.E.Hinton.Imagenet classification with deep convolutional neural networks.[A]Advances in neural information processing systems,2012,pp.1097-1105.
    [2]C.Szegedy,W.Liu,Y.Jia,P.Sermanet,S.Reed,D.Anguelov,D.Erhan,V.Vanhoucke,and A.Rabinovich.Going deeper with convolutions.[A]Proceedings of the IEEE conference on computer vision and pattern recognition,2015,pp.1-9.
    [3]赵亮,王晓峰,袁逸涛.基于深度卷积神经网络的船舶识别方法研究[J].舰船科学技术,2016,38(15):119-123
    [4]梁锦雄,王刻奇.基于BP神经网络的船舰目标识别分类[J].舰船科学技术,2015,37(3):206-209.
    [5]戚超,王晓峰.基于卷积神经网络的运输船舶分类识别方法[J].微型机与应用,2017,36(17):52-55.
    [6]穆孟超,胡钊政,李祎承.基于虚拟线圈的内河船舶流量检测方法[J].交通信息与安全,2017,35(04):44-51.
    [7]乔永杰,吴绍玉,陈传庚,胡素平,孙燕国.船舶跟踪系统的研发及应用[J].物探装备,2018,28(03):198-200+144.